К содержимому

Датасет · nyuuzyou

Крупный корпус отзывов покупателей с Wildberries

nyuuzyou/wb-feedbacks

От 100 млн до 1 млрд русскоязычных отзывов на товары с маркетплейса Wildberries в архивах zstd с jsonl.

Что внутри

Огромный корпус текстов на русском языке объёмом от 100 миллионов до 1 миллиарда записей, собранный путём перебора около 230 миллионов артикулов (nmId) на маркетплейсе Wildberries и выгрузки доступных комментариев. Данные упакованы в сжатые zstd-архивы, внутри которых лежат файлы формата jsonl.

Что можно сделать

  • Предобучение и дообучение русскоязычных языковых моделей на живой разговорной лексике
  • Обучение классификаторов тональности, спама и аспектов качества товаров в e-commerce
  • Тренировка моделей генерации ответов на отзывы или суммаризации мнений покупателей
Задачи
Генерация текста, Классификация текста
Языки
Русский
Размер
100M–1B записей
Скачиваний за месяц
302
Лайков
9

Модели, обученные на нём

Как загрузить

from datasets import load_dataset

ds = load_dataset("nyuuzyou/wb-feedbacks")