К содержимому

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")