重写下面这段话让它逻辑合理本文选择由清华大学整理和发布的THUCNews中文新闻标题作为实验数据集THUCNews是根据新浪新闻RSS订阅频道2005~2011年范围内新闻存档抽离处理得到的其中收录共74万篇不同类型的新闻文件大小为219 GB保存形式为UTF-8格式的纯文本信息。此数据集对类别进行了些调整和优化调整后共计14个可根据情况选择的分类：财经、彩票、房产、股票家居、教育、科技、社会、时

本实验使用了清华大学整理和发布的THUCNews中文新闻标题作为数据集。该数据集是从新浪新闻RSS订阅频道2005~2011年范围内新闻存档中抽离处理得到的，共收录74万篇新闻，包括不同类型的新闻，并且文件大小为2.19 GB，保存形式为UTF-8格式的纯文本信息。经过调整和优化，该数据集共计14个可根据情况选择的分类，包括财经、彩票、房产、股票家居、教育、科技、社会、时尚、时政、体育、星座、游戏、娱乐。在此基础上，本实验从中随机选取了10个分类，分别为体育、财经、房产、家居、教育、科技、时尚、时政、游戏、娱乐。从每个分类中随机选取了20000条数据，构建了一个包含20万条新闻文本的实验子集，其中包括训练集180000条、验证集10000条和测试集10000条。