Датасет · Chrisneverdie
Масштабный англоязычный корпус текстов о спорте
Chrisneverdie/OnlySports_Dataset
От 1 до 10 миллиардов спортивных документов на английском для обучения специализированных языковых моделей.
Что внутри
Крупная коллекция текстов спортивной тематики на английском языке, насчитывающая от 1 до 10 миллиардов записей. Внутри собраны новостные статьи, посты из блогов, отчёты о матчах, интервью и обучающие материалы. Датасет входит в экосистему проекта OnlySports, куда также входят языковая модель на 196M параметров и профильный бенчмарк.
Что можно сделать
- Дообучение или предобучение компактных языковых моделей под спортивную аналитику и журналистику
- Создание RAG-систем и чат-ботов для поиска фактов по спортивным событиям и правилам
- Задачи
- Генерация текста
- Языки
- Английский
- Размер
- 1B–10B записей
- Скачиваний за месяц
- 20 тыс.
- Лайков
- 6
Модели, обученные на нём
Как загрузить
from datasets import load_dataset
ds = load_dataset("Chrisneverdie/OnlySports_Dataset")