Датасет · community-datasets
Yahoo Answers Topics: миллионы вопросов для классификации
community-datasets/yahoo_answers_topics
Крупный англоязычный корпус из 1–10 миллионов текстов с портала Yahoo Answers для задач тематической классификации.
Что внутри
Большой англоязычный текстовый датасет размером от 1 до 10 миллионов записей, собранный на основе вопросов и ответов с платформы Yahoo Answers. Набор размечен под задачу классификации текстов по темам и стабильно востребован (более 11 тысяч скачиваний в месяц). Сама карточка датасета на Hugging Face не заполнена и содержит стандартные заглушки.
Что можно сделать
- Обучение и бенчмаркинг моделей тематической классификации текстов на английском
- Тренировка компактных энкодеров и эмбеддингов для категоризации запросов
- Предобучение или тестирование пайплайнов обработки больших текстовых корпусов
- Задачи
- Классификация текста
- Языки
- Английский
- Размер
- 1M–10M записей
- Скачиваний за месяц
- 11,4 тыс.
- Лайков
- 63
Модели, обученные на нём
- StrandsAgents/strands-decider-2B-hobson-v21Классификация текста 15,6 тыс.
- StrandsAgents/strands-decider-2B-hobson-v19Классификация текста 7 тыс.
- StrandsAgents/strands-decider-E4B-gemma4-v1-2610Классификация текста 1,4 тыс.
- StrandsAgents/strands-decider-12B-gemma4-v1-2610Классификация текста 1,1 тыс.
- StrandsAgents/strands-decider-E2B-gemma4-v1-2610Классификация текста 728
- mradermacher/elythros-decider-1.7b-GGUFZero-shot классификация 698
- StrandsAgents/strands-decider-26B-A4B-gemma4-v1-2610Классификация текста 360
- Elythros/elythros-decider-4b-expКлассификация текста 87
Как загрузить
from datasets import load_dataset
ds = load_dataset("community-datasets/yahoo_answers_topics")