|
--- |
|
task_categories: |
|
- text-classification |
|
language: |
|
- ru |
|
tags: |
|
- russia |
|
- media |
|
- news |
|
pretty_name: Russian News and Media Telegram Dataset |
|
size_categories: |
|
- 10K<n<100K |
|
--- |
|
|
|
## Description in English: |
|
Dataset collected from 30 Russian-language Telegram news channels on the topic News and Media, |
|
collected and marked up automatically using the **Scoutie** data collection and marking [service](https://scoutie.ru/).\ |
|
Try Scoutie and collect the same or another dataset using the [link](https://scoutie.ru/). |
|
|
|
## Dataset fields: |
|
**taskId** - task identifier in the Scouti service.\ |
|
**text** - main text.\ |
|
**url** - link to the publication.\ |
|
**sourceLink** - link to Telegram.\ |
|
**subSourceLink** - link to the channel.\ |
|
**views** - text views.\ |
|
**likes** - for this dataset, an empty field (meaning the number of emotions).\ |
|
**createTime** - publication date in unix time format.\ |
|
**createTime** - publication collection date in unix time format.\ |
|
**clusterId** - cluster id.\ |
|
**vector** - text embedding (its vector representation).\ |
|
**ners** - array of identified named entities, where lemma is a lemmatized representation of a word, and label is the name of a tag, start_pos is the starting position of an entity in the text, end_pos is the ending position of an entity in the text.\ |
|
**sentiment** - emotional coloring of the text: POSITIVE, NEGATIVE, NEUTRAL.\ |
|
**language** - text language RUS, ENG.\ |
|
**spam** - text classification as advertising or not NOT_SPAM - no advertising, otherwise SPAM - the text is marked as advertising.\ |
|
**length** - number of tokens in the text (words).\ |
|
**markedUp** - means that the text is marked or not within the framework of the Skauti service, takes the value true or false. |
|
|
|
## Описание на русском языке: |
|
Датасет собранный из 30 русскоязычных новостных Telegram каналов на тему Новости и СМИ, |
|
собранный и размеченный автоматически с помощью сервиса сбора и разметки данных [Скаути](https://scoutie.ru/).\ |
|
Попробуй Скаути и собери такой же или другой датасет по [ссылке](https://scoutie.ru/). |
|
|
|
## Поля датасета: |
|
**taskId** - идентификатор задачи в сервисе Скаути.\ |
|
**text** - основной текст.\ |
|
**url** - ссылка на публикацию.\ |
|
**sourceLink** - ссылка на Telegram.\ |
|
**subSourceLink** - ссылка на канал.\ |
|
**views** - просмотры текста.\ |
|
**likes** - для данного датасета пустое поле (означающее количество эмоций).\ |
|
**createTime** - дата публикации в формате unix time.\ |
|
**createTime** - дата сбора публикации в формате unix time.\ |
|
**clusterId** - id кластера.\ |
|
**vector** - embedding текста (его векторное представление).\ |
|
**ners** - массив выявленных именованных сущностей, где lemma - лемматизированное представление слова, а label это название тега, start_pos - начальная позиция сущности в тексте, end_pos - конечная позиция сущности в тексте.\ |
|
**sentiment** - эмоциональный окрас текста: POSITIVE, NEGATIVE, NEUTRAL.\ |
|
**language** - язык текста RUS, ENG.\ |
|
**spam** - классификация текста, как рекламный или нет NOT_SPAM - нет рекламы, иначе SPAM - текст помечен, как рекламный.\ |
|
**length** - количество токенов в тексте (слов).\ |
|
**markedUp** - означает, что текст размечен или нет в рамках сервиса Скаути принимает значение true или false. |
