К содержимому

Датасет · tiagozip

Многомиллиардный скрап публичных данных ВКонтакте

tiagozip/vk

Регулярно обновляемый корпус постов, комментариев, фото, видео и профилей из ВК на русском и украинском языках.

Что внутри

Масштабный дамп публичных данных ВКонтакте (от 1 до 10 млрд записей), который непрерывно собирается с октября 2026 года. Включает посты со стен, комментарии, обсуждения, фотографии, видео, а также снимки сообществ и профилей пользователей на русском и украинском языках. Новые посты и медиа загружаются ежедневно, а данные о пользователях и группах — еженедельно.

Что можно сделать

  • Предобучение и дообучение русскоязычных и украиноязычных языковых моделей на живой речи
  • Обучение классификаторов текстов, модерации комментариев и анализа тональности в соцсетях
  • Обучение мультимодальных моделей на парах текст–изображение и анализ графов сообществ
Задачи
Классификация текста
Языки
Русский, Украинский
Размер
1B–10B записей
Скачиваний за месяц
49,1 тыс.
Лайков
0
Доступ
по запросу на Hugging Face

Как загрузить

from datasets import load_dataset

ds = load_dataset("tiagozip/vk")