地球资源数据云——数据资源详情
大学查询优先级分类
该数据集《University Query Priority Classification》主要用于多分类任务，数据形态以文本为主。 题目说明：Multi - Class NLP Data for Student Support Ticket Urgency Prediction (High, Med 任务类型：文本多分类。 建议流程：先做文本清洗与分词，再比较 TF - IDF+线性模型 与 预训练语言模型。 评估建议：使用分层切分或交叉验证，优先关注 F1、Recall、AUC 等分类指标。 可用文件：university_query_test.csv, university_query_train.csv。 该数据集包含 6,000 个大学生查询，按优先级标记：高、中和低。它专为自然语言处理（NLP）中的多类文本分类任务而设计。该数据集模拟了现实世界的大学支持和管理请求，例如考试问题、奖学金延迟、门户问题、宿舍查询和一般学术问题。每条记录包括： Query_ID – 唯一标识符 Student_Query – 学生请求的文本 Department – 相关大学系 Days_To_Deadline – 与请求相关的剩余时间 Priority_Label – 目标变量（高/中/低） - - - 目标 目标是构建一个机器学习或深度学习模型，可以根据紧急程度自动对学生查询进行分类。 - - - 潜在用例 服务台工单优先级 大学自动化系统 NLP 模型基准测试 基于 TF - IDF、SVM、LSTM 或 BERT 的分类实验 多类分类研究 - - - 数据集 分割训练集：5,000 个样本 测试集：1,000 个样本 - - -
摘要概览
该数据集《University Query Priority Classification》主要用于多分类任务，数据形态以文本为主。 题目说明：Multi - Class NLP Data for Student Support Ticket Urgency Prediction (High, Med
任务类型：文本多分类。
建议流程：先做文本清洗与分词，再比较 TF - IDF+线性模型 与 预训练语言模型。
评估建议：使用分层切分或交叉验证，优先关注 F1、Recall、AUC 等分类指标。
可用文件：university_query_test.csv, university_query_train.csv。
该数据集包含 6,000 个大学生查询，按优先级标记：高、中和低。它专为自然语言处理（NLP）中的多类文本分类任务而设计。该数据集模拟了现实世界的大学支持和管理请求，例如考试问题、奖学金延迟、门户问题、宿舍查询和一般学术问题。每条记录包括： Query_ID – 唯一标识符 Student_Query – 学生请求的文本 Department – 相关大学系 Days_To_Deadline – 与请求相关的剩余时间 Priority_Label – 目标变量（高/中/低） - - - 目标 目标是构建一个机器学习或深度学习模型，可以根据紧急程度自动对学生查询进行分类。 - - - 潜在用例 服务台工单优先级 大学自动化系统 NLP 模型基准测试 基于 TF - IDF、SVM、LSTM 或 BERT 的分类实验 多类分类研究 - - - 数据集 分割训练集：5,000 个样本 测试集：1,000 个样本 - - -