يتم إنشاء مجموعة بيانات THUCNews عن طريق تصفية البيانات التاريخية لـ Sina News من عام 2005 إلى عام 2011، وتحتوي على 740,000 مستند إخباري، كلها بتنسيق نص عادي UTF-8. استنادًا إلى نظام تصنيف Sina News الأصلي، تم إعادة تنظيم مجموعة البيانات هذه إلى 14 فئة مرشحة: التمويل، واليانصيب، والعقارات، والأسهم، والمنزل، والتعليم، والتكنولوجيا، والمجتمع، والأزياء، والشؤون الجارية، والرياضة، والأبراج، والألعاب، والترفيه.