К содержимому

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")