Datasets:

Muthumari10
/

tamil-nlp-sentiment-and-fake-news-dataset

[{'expected': SplitInfo(name='train', num_examples=656), 'recorded': SplitInfo(name='train', num_bytes=118609, num_examples=804, dataset_name='tamil-nlp-sentiment-and-fake-news-dataset')}, {'expected': SplitInfo(name='validation', num_examples=82), 'recorded': SplitInfo(name='validation', num_bytes=14928, num_examples=101, dataset_name='tamil-nlp-sentiment-and-fake-news-dataset')}, {'expected': SplitInfo(name='test', num_examples=82), 'recorded': SplitInfo(name='test', num_bytes=14798, num_examples=101, dataset_name='tamil-nlp-sentiment-and-fake-news-dataset')}]

Error code:   UnexpectedError

Need help to make the dataset viewer work? Make sure to review how to configure the dataset viewer, and open a discussion for direct support.

text string	label class label
என் மேல் யாருக்கும் அக்கறை இல்லை என்று தோன்றுகிறது.	1negative
காதலியின் புன்னகை என் நாளை அர்த்தமுள்ளதாக்கும்.	0positive
அரசு பள்ளிகளில் கணினி ஆய்வக திட்டம் விரிவாக்கப்பட்டது.	3real
உலகம் என்னை மறந்துவிட்டது.	1negative
வீட்டு சமையல் எப்போதும் ஹோட்டல் சாப்பாட்டை விட சுவையானது.	0positive
ஒரு நல்ல நண்பன் இருந்தால் எதுவும் சாத்தியம்.	0positive
ஏழைகளுக்கு நீதி கிடைப்பதில்லை, பணக்காரர்களுக்கு மட்டுமே உரிமைகள்.	1negative
மக்கள் பேருந்து பள்ளி நேரத்தில் வருவதில்லை.	1negative
இந்த சமூகம் என்னை விலக்கியது.	1negative
தனிமையில் யாரும் நண்பன் இல்லை.	1negative
என் குடும்பம் சுமையை பகிர்ந்துகொள்வதில்லை.	1negative
வேப்பிலை சாறு குடித்தால் புற்றுநோய் குணமாகும்.	2fake
குறிப்பிட்ட உணவை சாப்பிட்டால் புத்தி கூர்மையாகும் என்று போலி ஆய்வு.	2fake
மனசில் ஆறுதல் இல்லாத நாளாக கடந்தது.	1negative
புகழ்பெற்ற இயக்குனர் ஒரு குறிப்பிட்ட இயக்கத்திற்கு நிதி கொடுத்தார்.	2fake
என் தமிழ் மொழியில் பெருமை கொள்கிறேன்.	0positive
ஒரு வருட கடின உழைப்புக்கு பரிசாக பதவி உயர்வு கிடைத்தது.	0positive
என் கடின உழைப்பு இறுதியில் பலனளித்தது.	0positive
இந்த மண்ணை நாக்கால் தொட்டால் வியாதி குணமாகும்.	2fake
புதிய நெடுஞ்சாலை இணைப்பால் பயண நேரம் பாதியாக குறைந்தது.	3real
ஒவ்வொரு நாளும் ஒரு நரகமாக உணர்கிறேன்.	1negative
நேர்மையாக வாழ்வதே உண்மையான வாழ்க்கை.	0positive
நிலத்தடி நீர் வற்றிவிட்டது.	1negative
ஒரு குறிப்பிட்ட நட்சத்திரத்தில் பிறந்தவர்கள் வெளியே போகாதீர்கள்.	2fake
இயற்கையுடன் இணைந்திருப்பது உள்ளத்தை குளிர்விக்கும்.	0positive
அம்மா செய்த சாம்பார் சாப்பிட்டால் சோர்வு மறந்துவிடும்.	0positive
குறிப்பிட்ட நேரத்தில் சூரியனை பார்த்தால் கண்பார்வை அதிகரிக்கும்.	2fake
சுற்றுப்புறச் சூழல் மாசு அதிகமாகிறது.	1negative
நீதிமன்றத்தில் நீண்ட காலம் வழக்கு நடக்கிறது, நீதி தாமதமாகிறது.	1negative
கலை திருவிழாவில் கலந்துகொண்டோம், இனிய அனுபவம்.	0positive
தமிழ்நாட்டில் கோவிட் தடுப்பூசி இலக்கு நிறைவு செய்யப்பட்டது.	3real
என் குடும்பம் சிதறியது.	1negative
கவலை விட்டுவிட்டால் மனம் எவ்வளவு இலகுவாக இருக்கும்.	0positive
பாட்டி கையால் செய்த கொழுக்கட்டை சாப்பிட்டோம், அருமை.	0positive
சோர்வு என்னை கடக்கவே முடியவில்லை.	1negative
தொலைபேசி வாடிக்கையாளர் சேவை மோசமாக இருக்கிறது.	1negative
இந்த உணவை தின்றால் 10 வருடம் ஆயுள் கூடும் என்று ஆராய்ச்சியில் தெரிய வந்தது.	2fake
இந்த நீரை வீட்டில் தெளித்தால் கோவிட் வராது.	2fake
ஒரு ஆய்வில் இந்த உணவை சாப்பிட்டவர்கள் 100 ஆண்டு வாழ்ந்தனர்.	2fake
வட மாவட்டங்களில் புதிய தொழில் வளர்ச்சி திட்டம் அறிவிக்கப்பட்டது.	3real
கோர்ட் வழக்கு இன்று தீர்க்கப்பட்டது.	3real
வியாழக்கிழமை கால வழிபாடு இல்லாதவர்களுக்கு பணம் தொலையும்.	2fake
என் ஊர் வளர்ச்சியில் மகிழ்ச்சியடைகிறேன்.	0positive
இன்று காலை நேரம் மிகவும் இனிமையாக இருந்தது.	0positive
பயம் என்னை விடவில்லை.	1negative
பெண்கள் தனியாக வெளியே செல்வது பாதுகாப்பற்றதாக உணர்கிறார்கள்.	1negative
என் குடும்பத்தினர் அனைவரும் ஆரோக்கியமாக இருக்கிறார்கள்.	0positive
என் மனதில் கவலை மட்டுமே நிரம்பியிருக்கிறது.	1negative
ஒரு பிரபல கவிஞர் ஊரை விட்டு தலைமறைவாகி உள்ளார் என்பது கற்பனை செய்தி.	2fake
மாவட்ட அரசு பள்ளியில் மாணவர்கள் சர்வதேச போட்டியில் வென்றனர்.	3real
என் முயற்சிக்கு பலன் இல்லை.	1negative
வறட்சி பாதித்த மாவட்டங்களுக்கு அரசு நிவாரண நிதி அனுப்பியது.	3real
கஷ்டப்பட்டு பணிவிடை செய்தும் நன்றி சொல்லவில்லை.	1negative
என்னை நல்ல வழியில் வழிநடத்தியவர்களுக்கு நன்றி.	0positive
ஒவ்வொரு நாளும் ஒரு போராட்டமாக உணர்கிறேன்.	1negative
நான் விரும்பிய பல்கலைக்கழகத்தில் இடம் கிடைத்தது.	0positive
என் குழு சிறந்த பணி செய்துள்ளது.	0positive
வட மாவட்டங்களில் வடகிழக்கு பருவமழை நல்ல அளவில் பெய்தது.	3real
இந்த நிலை மாற உள்ளம் ஆவல்படுகிறது.	1negative
வீட்டிலிருந்து வேலை: தினம் ரூ.5000 சம்பாதிக்கலாம்.	2fake
அமெரிக்க நடிகை இந்தியாவில் குடியேறுவதாக வரும் செய்தி போலி.	2fake
வாழ்க்கை தரும் சவால்களை மகிழ்ச்சியுடன் எதிர்கொள்கிறேன்.	0positive
பாட்மிண்டன் விளையாட்டில் பரிசு வென்றேன்.	0positive
இணைய இணைப்பு தினமும் துண்டிக்கிறது.	1negative
என் முயற்சி வீண் என்று உணர்கிறேன்.	1negative
வருமான ஏற்றத்தாழ்வு சமூகத்தை பிளவுபடுத்துகிறது.	1negative
ஆசிரியர் பணி மனதிற்கு மிகவும் திருப்தியளிக்கிறது.	0positive
நாளை இரவு 12 மணிக்கு வாட்ஸ்அப் கட்டணம் வசூல் செய்யப்படும் என்று நிர்வாகம் தெரிவித்துள்ளது.	2fake
என் கனவுகள் உடைந்துவிட்டன.	1negative
தமிழர்களின் திறமை உலகை வியக்க வைக்கிறது.	0positive
தமிழக பொருளாதார வளர்ச்சி கடந்த ஆண்டை விட 7% அதிகரித்தது.	3real
நான் மட்டும் ஏன் இவ்வளவு கஷ்டப்படவேண்டும்?	1negative
அறிவு பெறுவது எப்போதும் மகிழ்ச்சி தரும்.	0positive
நாட்டில் வேலையில்லாத் திண்டாட்டம் அதிகரிக்கிறது.	1negative
ரோட்டில் குப்பை சேர்ந்திருக்கிறது, யாரும் எடுக்கவில்லை.	1negative
அரசு தீவிர கண்காணிப்புக்கு உட்படுத்திவருகிறது, போன் கவனமாக பயன்படுத்துங்கள்.	2fake
புதிய தமிழ் படத்தின் பாடல்கள் மிக அருமையாக இருக்கின்றன.	0positive
பசும்பால் குடிப்பவர்களுக்கு புற்றுநோய் வராது என்று புதிய ஆய்வு.	2fake
தமிழக முதலமைச்சர் வட மாவட்டங்களில் வளர்ச்சித் திட்டங்களை திறந்துவைத்தார்.	3real
புதிய பாலம் கட்டுமான திட்டம் அரசாங்கத்தால் அறிவிக்கப்பட்டது.	3real
புதிய தொழில்நுட்ப வளாகம் நகர்ப்புற மாவட்டத்தில் உருவாகிறது.	3real
தேங்காய் சட்னியுடன் தோசை சாப்பிட்டால் வேறொன்றும் வேண்டாம்.	0positive
உச்சநீதிமன்றம் சுற்றுச்சூழல் பாதுகாப்பு வழக்கில் முக்கியத் தீர்ப்பு வழங்கியது.	3real
என் அடுத்த படி தெளிவாக தெரிகிறது.	0positive
என் அண்ணன் என்னுக்காக எந்த தியாகமும் செய்வான்.	0positive
கடல் மாசு மீனவர்களை பாதிக்கிறது.	1negative
வேலையில் வெற்றி கண்டேன், குடும்பம் பெருமைப்படுகிறது.	0positive
வாடிக்கையாளர் என் பணியை பாராட்டினார்.	0positive
புதிய ஆண்டில் மாணவர் உதவித்தொகை தொகை அதிகரிக்கப்பட்டது.	3real
உண்மையான நட்பு என்றும் நிலைக்கும்.	0positive
தமிழக விளையாட்டு வீரர்களுக்கு ஆண்டு விருது வழங்கப்பட்டது.	3real
ஆங்கிலம் பேசக் கற்றுக்கொண்டேன், நம்பிக்கை அதிகரித்தது.	0positive
வீட்டில் புதிய பொருள் வாங்கினோம், மனம் மகிழ்கிறது.	0positive
புதிய பயிற்சி பெற்றேன், திறன் மேம்பட்டது.	0positive
புது தமிழ் நாவல் படித்தேன், மனம் நிறைந்தது.	0positive
பல மாவட்டங்களில் புதிய அஞ்சலகம் கட்டமைக்கப்படுகிறது.	3real
கல்யாணம் கலைந்தது, மனம் வேதனைப்படுகிறது.	1negative
என் அன்புக்குரியவர் இறந்தார், வாழ்க்கை வெறுமையாகிவிட்டது.	1negative
ரத்த சர்க்கரை குறைய வெறும் வாழைப்பழம் மட்டும் சாப்பிடுங்கள்.	2fake
வாழ்க்கை ஒரு போராட்டமே.	1negative

End of preview.

Tamil NLP Text Classification Dataset

Dataset Description

A production-quality Tamil language text classification dataset for fake/real news detection and sentiment analysis.

Language: Tamil (ta)
License: CC BY 4.0
Total Rows: 820
Labels: positive, negative, fake, real

Label Distribution

Label	Count	Description
positive	205	Positive sentiment (relationships, achievements, food, nature, travel)
negative	205	Negative sentiment (service complaints, social issues, mental state)
fake	205	Misinformation (health cures, WhatsApp forwards, astrology threats)
real	205	Verified news (politics, sports, court orders, weather, economy)

Data Splits

Split	Rows	Percentage
Train	656	80%
Validation	82	10%
Test	82	10%

Dataset Creation

Language Variety

Formal Tamil (செய்தி மொழி) and colloquial Tamil (பேச்சு வழக்கு)
Short texts (5–8 words), medium (10–15 words), long (20+ words)
Multiple domains per label

Quality Rules Applied

Balanced labels (≤5% deviation)
Minimum 250 rows per label before deduplication
Domain diversity within each label
No near-duplicates
No personal names, phone numbers, real URLs
No offensive or abusive language
UTF-8-SIG encoding for Excel compatibility
Random seed 42 for reproducibility

How to Load

from datasets import load_dataset

# Load all splits
dataset = load_dataset("muthumari10/tamil-nlp-sentiment-and-fake-news-dataset")

# Load specific split
train = load_dataset("muthumari10/tamil-nlp-sentiment-and-fake-news-dataset", split="train")

# Preview
print(train[0])
# Output: {'text': 'உங்கள் தமிழ் உரை இங்கே...', 'label': 0}

Label Mapping

label_map = {
    0: "positive",
    1: "negative",
    2: "fake",
    3: "real"
}

Example Usage with Transformers

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

tokenizer = AutoTokenizer.from_pretrained("ai4bharat/indic-bert")
model = AutoModelForSequenceClassification.from_pretrained(
    "ai4bharat/indic-bert", num_labels=4
)

text = "தமிழ்நாடு சட்டமன்றம் புதிய சட்டம் நிறைவேற்றியது."
inputs = tokenizer(text, return_tensors="pt", truncation=True, max_length=512)
outputs = model(**inputs)
predicted_class = torch.argmax(outputs.logits).item()
print(label_map[predicted_class])

Known Limitations

Regional dialect coverage: The dataset primarily covers standard literary Tamil and common spoken Tamil. Regional dialects (Madurai, Coimbatore, Tirunelveli slang) are underrepresented.
Temporal coverage: Fake news patterns and real news topics reflect current (2024–2025) trends and may require periodic updates.
Transliterated Tamil: Does not include Tanglish (Tamil written in Roman script).
Code-switching: Minimal Tamil-English code-switching is present.
Annotation bias: Labels were applied by a single annotator; multi-annotator agreement studies have not been conducted.
Domain balance within labels: Some domains (e.g., WhatsApp forwards under "fake") may be overrepresented relative to others.
Sarcasm and irony: Texts with sarcasm or irony may be ambiguous.

Citation

If you use this dataset, please cite:

@dataset{tamil_nlp_2026,
  title={Tamil NLP Sentiment and Fake News Dataset},
  author={Sudalaimuthumari M},
  year={2026},
  license={CC BY 4.0}
}

Contact

For questions or contributions, open an issue on the dataset repository.

Downloads last month: 19

Total file size:

299 kB