Датасет · HackerNoon
Архив 7+ млн новостей о технологических компаниях от HackerNoon
HackerNoon/tech-company-news-data-dump
Огромная подборка статей и постов за 2022–2023 годы о 3000+ крупнейших технокомпаний.
Что внутри
В датасете собрано более 7 млн новостных статей и блог-постов на английском языке (в метаданных указан диапазон 1M–10M), посвященных более чем 3 тысячам ведущих технологических компаний, включая Microsoft, Google и Hugging Face. Материалы охватывают 2022–2023 годы и изначально отбирались для раздела HackerNoon.com/Companies. Помимо текстов, в модальностях датасета указаны изображения.
Что можно сделать
- Обучение моделей суммаризации и тематической классификации деловых и ИТ-новостей
- Построение RAG-систем и графов знаний об индустрии технологий за 2022–2023 годы
- Аналитика упоминаемости брендов и трендов в техносекторе
- Задачи
- Классификация текста, Суммаризация
- Языки
- Английский
- Размер
- 1M–10M записей
- Скачиваний за месяц
- 55
- Лайков
- 46
- Доступ
- по запросу на Hugging Face
Как загрузить
from datasets import load_dataset
ds = load_dataset("HackerNoon/tech-company-news-data-dump")