Датасет · fancyzhx
Классификация текстов по 14 категориям DBpedia
fancyzhx/dbpedia_14
Крупный сбалансированный датасет из 630 тысяч англоязычных текстов для задачи многоклассовой классификации.
Что внутри
Данные собраны из онтологии DBpedia 2014 и разделены на 14 непересекающихся классов. В обучающей выборке содержится 560 тысяч примеров (по 40 тысяч на каждый класс), а в тестовой — 70 тысяч (по 5 тысяч на класс). Обе части представлены на английском языке и имеют одинаковую структуру из трёх колонок.
Что можно сделать
- Обучение и бенчмаркинг классификаторов текста (BERT, RoBERTa и аналогичных энкодеров)
- Проверка качества текстовых эмбеддингов на задаче тематической кластеризации
- Задачи
- Классификация текста
- Языки
- Английский
- Размер
- 100K–1M записей
- Скачиваний за месяц
- 22,2 тыс.
- Лайков
- 37
Модели, обученные на нём
- StrandsAgents/strands-decider-2B-qwen3.5-v1-2610Классификация текста 25 тыс.
- StrandsAgents/strands-decider-2B-hobson-v21Классификация текста 15,3 тыс.
- jaredpalmer/kev-0.8bКлассификация текста 12,5 тыс.
- jaredpalmer/kev-4bКлассификация текста 10 тыс.
- StrandsAgents/strands-decider-2B-hobson-v19Классификация текста 7 тыс.
- jaredpalmer/kev-27bКлассификация текста 3,5 тыс.
- jaredpalmer/kev-9bКлассификация текста 2,4 тыс.
- mradermacher/kev-27b-GGUFmultiple choice 1,7 тыс.
Как загрузить
from datasets import load_dataset
ds = load_dataset("fancyzhx/dbpedia_14")