20newsgroups数据集有三个版本。第一个版本19997是原始的并没有修改过的版本。第二个版本bydate是按时间顺序分为训练(60%)和测试(40%)两部分数据集，不包含交叉文档和新闻组名（新闻组，路径，隶属于，日期）。第三个版本18828不包含交叉文档，只有来源和主题名。