database - 寻找数据集：关于新闻文章的元数据，跨越 15 年以上

Question

有谁知道包含有关新闻文章的元数据的数据集？

基本数据集要求：

1. 100k+ 篇新闻文章
2. 涵盖 5 种以上的出版物
3. 跨越 15 年以上的文章
4. 每篇文章的元数据，作者姓名+出版年份
5. 必须合法获取（没有违反 TOS 的抓取数据）

我浏览了许多潜在的来源。这里有些例子：

• 纽约时报和卫报数据档案——不合格标准 2
• 印度的新闻头条——不符合标准 4 和可能的 5
• 用于流媒体新闻的各种 API（Eventregistry、WebHose.io）——似乎都是为最近的新闻而设计的，因此它们不符合标准 3
• 路透社的数据转储——不符合标准 3

标签： databasedataset