乌克兰新闻数据集

这是从各个乌克兰网站和Telegram频道下载的新闻文章数据集。

数据集包含22,567,099个JSON对象（新闻），总大小约为67GB，每个对象具有以下字段：

  title: The title of the news article
  text: The text of the news article, which may contain HTML tags(e.g., paragraphs, links, images, etc.)
  url: The URL of the news article
  datetime: The time of publication or when the article was parsed and added to the dataset
  owner: The name of the website that published the news article

网站新闻数量：16,022,416个

Telegram帖子数量：6,544,683个

JSON对象分为多个部分，并且数据集可以通过Hugging Face进行下载。使用该数据集时，请遵循版权所有者的相关规定。

访问数据集

数据集可以通过Hugging Face数据集库进行下载。您可以使用以下命令通过pip安装该库：

pip install datasets

安装完库之后，您可以使用以下代码加载数据集：

from datasets import load_dataset

dataset = load_dataset('zeusfsx/ukrainian-news')

这将把整个数据集加载到内存中。如果你只想加载数据的子集，可以指定split参数：

# Load only the first 10,000 examples from the "train" split
dataset = load_dataset('zeusfsx/ukrainian-news', split='train[:10000]')

联系方式

如果对此数据集有任何问题或评论，请通过电子邮件联系我[zeusfsxtmp@gmail.com]。我们将尽快回复您的查询。

许可证

数据集根据各个网站所有者指定的使用条款提供。有关更多信息，请参阅各个网站的使用条款。