Auttar/KinopoiskReviewsSummarization

---
language:
- ru
license: mit
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
- split: test
path: data/test-*
dataset_info:
features:
- name: review
dtype: string
- name: summary
dtype: string
splits:
- name: train
num_bytes: 73275740
num_examples: 16360
- name: validation
num_bytes: 9124076
num_examples: 2045
- name: test
num_bytes: 9047079
num_examples: 2045
download_size: 47979805
dataset_size: 91446895
---

# Kinopoisk Reviews Summarization Dataset

## Описание
Датасет для обучения моделей суммаризации отзывов на русском языке. Содержит отзывы о фильмах с сайта Kinopoisk и сгенерированные краткие резюме.

## Структура
- `train.json`: 80% данных (обучение)
- `validation.json`: 10% данных (валидация)
- `test.json`: 10% данных (тестирование)

## Формат данных
Каждый пример содержит:
- `review`: Полный текст отзыва (строка)
- `summary`: Краткое резюме отзыва (строка)

## Источники
1. **Исходные данные**: Отзывы с Kinopoisk (Glepka)
2. **Сгенерированные резюме**: Созданы с использованием дистилляции знаний от LLM
3. **Обработка**: Дополнены собственными примерами для балансировки

## Пример использования
```python
from datasets import load_dataset

dataset = load_dataset("Auttar/KinopoiskReviewsSummarization")

for example in dataset["train"].select(range(3)):
print(f"Отзыв: {example['review'][:100]}...")
print(f"Резюме: {example['summary']}\n")