摘要

在自然语言处理（NLP）领域，文本分类是我们亟需解决的核心问题之一，其在语言分析中的应用价值毋庸置疑。然而，对于阿姆哈拉语等低资源语言而言，由于缺乏标注的训练数据，此类任务的开展面临较大挑战。系统性地收集、标注、注释并构建高质量的数据集，将有力激励初级研究人员、教育机构以及机器学习实践者在其母语中应用现有的分类模型。本文旨在介绍一个阿姆哈拉语文本分类数据集，该数据集包含超过5万篇新闻文章，并被划分为6个类别。为促进相关研究并推动更优性能的实验，我们同时提供了该数据集的简易基线性能结果，以便研究者参考与进一步优化。