alwaysgood/earnings_call_mono

--- pretty_name: Motley Fool Earnings Call Mono (Private) language: - en license: other size_categories: - 100K<n<1M tags: - finance - earnings-call - transcripts - monodata --- # Motley Fool Earnings Call Mono (Private) This private dataset contains cleaned monolingual earnings-call text chunks prepared from: - Kaggle dataset: `tpotterer/motley-fool-scraped-earnings-call-transcripts` ## Split - `train`: `135306` rows ## Columns - `id`: chunk identifier - `text`: cleaned source text chunk - `ticker`: ticker symbol - `exchange`: exchange string from source metadata - `date`: call date string from source metadata - `section`: `prepared` or `qa` ## Processing Summary The uploaded file is the final output after: 1. chunk construction for context-preserving mono data 2. normalized deduplication 3. boilerplate removal (operator/opening control text) 4. removing rows containing the word `operator` 5. minimum length filter (`word_count >= 20`) Detailed processing metadata is in `processing_manifest.json`. ## Privacy / Access This repository is intentionally **private**. ## Important Note The upstream Kaggle dataset lists license as unknown. Keep this repository private unless licensing is clarified.pretty_name: 莫特利·富尔（Motley Fool）业绩电话会议单语私有数据集 language: - en license: other size_categories: - 100K<n<1M tags: - 金融 - 业绩电话会议（earnings call） - 转录文本（transcripts） - 单语数据（monodata） # 莫特利·富尔业绩电话会议单语私有数据集 本私有数据集包含经清洗处理的单语业绩电话会议文本片段，其源数据来自Kaggle数据集：`tpotterer/motley-fool-scraped-earnings-call-transcripts` ## 数据划分 - `train`: 共135306条数据行 ## 字段说明 - `id`: 文本片段唯一标识符 - `text`: 经清洗的源文本片段 - `ticker`: 股票代码（ticker symbol） - `exchange`: 源元数据中提取的交易所名称字符串 - `date`: 源元数据中提取的电话会议日期字符串 - `section`: 文本片段所属类别，取值为`prepared`（预录发言稿）或`qa`（问答环节） ## 处理流程概述 本上传文件为经过以下步骤处理后的最终输出： 1. 构建保留上下文的单语数据片段 2. 标准化去重 3. 移除格式套话（运营方/开场管控文本） 4. 删除包含`operator`一词的数据行 5. 最小长度过滤（单词数≥20） 详细处理元数据存储于`processing_manifest.json`文件中。 ## 隐私与访问说明 本代码仓库为**私有仓库**。 ## 重要提示 上游Kaggle数据集的许可证类型未明确标注。在许可证问题澄清前，请保持本仓库为私有状态。