Датасет · d0rj
500 тысяч русскоязычных отзывов об организациях с Яндекс Карт
d0rj/geo-reviews-dataset-2023
Крупный очищенный корпус реальных отзывов на русском языке за 2023 год для задач NLP.
Что внутри
Датасет от Яндекса содержит 500 000 уникальных русскоязычных отзывов об организациях в России, опубликованных на Яндекс Картах с января по июль 2023 года. Из выборки исключены слишком короткие односложные комментарии, а все тексты очищены от персональных данных, таких как номера телефонов. Набор опубликован для академических и исследовательских задач в области обработки естественного языка.
Что можно сделать
- Обучение и дообучение моделей анализа тональности и классификации русскоязычных текстов
- Извлечение именованных сущностей (NER) и аспектов качества сервиса из пользовательских отзывов
- SFT или тренировка эмбеддингов для семантического поиска по отзывам на русском языке
- Задачи
- Классификация текста, Похожесть текстов, Разметка токенов
- Языки
- Русский
- Размер
- 100K–1M записей
- Скачиваний за месяц
- 759
- Лайков
- 4
Модели, обученные на нём
Как загрузить
from datasets import load_dataset
ds = load_dataset("d0rj/geo-reviews-dataset-2023")