К содержимому

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")