Датасет · yachay
Многоязычные гео-тегированные посты соцсетей
yachay/text_coordinates_regions
Корпус из 500 000 текстов на разных языках, привязанных к географическим координатам из 123 регионов.
Что внутри
Содержит текстовые образцы на английском, китайском, испанском, хинди, арабском и бенгали, разделенные по .json файлам для каждого региона. Размер датасета составляет от 100K до 1M записей.
Что можно сделать
- Обучение моделей классификации текста
- Задачи токен-классификации и извлечения признаков
- Задачи
- Эмбеддинги, Разметка токенов, Классификация текста
- Языки
- Английский, Китайский, Испанский, Хинди, Арабский, bn, Португальский, Русский и ещё 4
- Размер
- 100K–1M записей
- Скачиваний за месяц
- 683
- Лайков
- 11
Модели, обученные на нём
Как загрузить
from datasets import load_dataset
ds = load_dataset("yachay/text_coordinates_regions")