Датасет · alpindale
2 млн публичных постов из Bluesky
alpindale/two-million-bluesky-posts
Посты из ленты Bluesky Social, собранные через firehose API для исследования соцсетей и обучения моделей.
Что внутри
Датасет содержит 2 млн публичных постов, собранных через firehose API Bluesky Social. Язык — английский; в конфиге with-language-predictions к тем же данным добавлены языковые предсказания модели glotlid. Собран для машинного обучения и экспериментов с данными соцсетей.
Что можно сделать
- Обучение классификатора постов и тем
- Файнтюн небольшой языковой модели на текстах соцмедиа
- Проверка моделей определения языка (glotlid)
- Языки
- Английский
- Размер
- 1M–10M записей
- Скачиваний за месяц
- 957
- Лайков
- 212
Модели, обученные на нём
- nyuuzyou/Qwen2.5-0.5B-BlueskyГенерация текста 22
- nyuuzyou/Qwen2.5-0.5B-Bluesky-InstructГенерация текста 14
- gamechanginggambler/SeraphinaМультимодальные 0
- Mayanknext/idea360Классификация текста 0
- Noufy/navy-bayesГенерация текста 0
- blaqdixe/BlaqРобототехника 0
- zayoub/testin_hmiaudio text to text 0
- Xcyberex/NeoX1 0
Как загрузить
from datasets import load_dataset
ds = load_dataset("alpindale/two-million-bluesky-posts")