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")