Датасет · tiagozip
Архив постов и графа подписок соцсети Bluesky
tiagozip/bluesky
Сотни миллионов публичных постов и связей пользователей Bluesky с ноября 2022 года для анализа соцсетей и обучения моделей.
Что внутри
В датасете собрано более 550 млн публичных постов и свыше 490 млн записей о подписках почти от 6 млн аккаунтов Bluesky, начиная с ноября 2022 года. Данные получены напрямую из потока firehose и обновляются ежемесячно. Конфигурации включают тексты постов, профили и граф связей, а сами файлы разложены по месяцам в формате parquet.
Что можно сделать
- Обучение моделей классификации и анализа тональности коротких постов
- Исследование социальных графов, распространения трендов и поведения аудитории
- Предобучение или дообучение языковых моделей на живой разговорной речи из соцсетей
- Задачи
- Классификация текста
- Размер
- 1B–10B записей
- Скачиваний за месяц
- 52,3 тыс.
- Лайков
- 3
- Доступ
- по запросу на Hugging Face
Как загрузить
from datasets import load_dataset
ds = load_dataset("tiagozip/bluesky")