1 数据来源

官网的信息如下：Reuters newswire classification datasethttps://keras.io/api/datasets/reuters/

这个数据集一共有11228个样本，每个样本被单标签标记（每个样本只被打上一个标签），标签类别的总数是46。

按照自然语言处理的流程，每条文本会被预处理，最终成为向量才能被使用。这个过程请见：Where can I find topics of reuters dataset · Issue #12072 · keras-team/kerashttps://github.com/keras-team/keras/issues/12072

它针对每条样本将文本转化成一个列表，列表当中的元素是对应词表的序号。这个词表是按照词频降序进行排列的。值得注意的是，load_data使用的词表最开始有三个功能类，分别代表填充padding、序列开始start of sequence、未知词unknow。

2 函数

这个和调用IMDB数据集的函数大多相似，可以先参考：

认识IMDB数据集-CSDN博客https://blog.csdn.net/weixin_65259109/article/details/144945051

2.1 load_data

2.1.1 调用参数

与IMDB不同的是出现了test_split参数，这个参数是管训练集和测试集的比例的。

• test_split: Float between 0. and 1.. Fraction of the dataset to be used as test data. 0.2 means that 20% of the dataset is used as test data. Defaults to 0.2.
  test_split：在 0. 和 1 之间浮动。要用作测试数据的数据集的分数。0.2 表示 20% 的数据集用作测试数据。默认值为 0.2。

2.1.2 返回

这个函数的返回是四个列表

Returns  返回

• Tuple of Numpy arrays: (x_train, y_train), (x_test, y_test).
  Numpy 数组元组： (x_train, y_train), (x_test, y_test) .

x_train, x_test: lists of sequences, which are lists of indexes (integers). If the num_words argument was specific, the maximum possible index value is num_words - 1. If the maxlen argument was specified, the largest possible sequence length is maxlen.
x_train、x_test：序列列表，它们是索引（整数）的列表。如果 num_words 参数是特定的，则最大可能的索引值为 num_words - 1。如果指定了 maxlen 参数，则可能的最大序列长度为 maxlen。

y_train, y_test: lists of integer labels (1 or 0).
y_train、y_test：整数标签列表（1 或 0）。

2.2 get_word_index

 这个函数返回一个字典用于存储索引和词的映射关系。实际进行转换的时候，要注意有三个功能列。