К содержимому

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")