nyuuzyou/cmc-posts

该数据集是来自Coinmarketcap平台的帖子集合，Coinmarketcap是一个流行的加密货币平台。数据集包含大约100万条帖子，日期为2022年2月24日。然而，很大一部分帖子是垃圾邮件，这使得该数据集非常适合用于垃圾邮件检测。数据集结构包括以下字段：帖子ID（整数）、用户名（字符串）、用户标签（字符串）、帖子内容（字符串）、市场指标（字符串）和时间戳（字符串）。所有数据都位于训练集中，没有验证集。数据集使用CC0许可证，允许自由使用、修改和分发。

原始信息汇总

数据集概述

基本信息

• 名称: Coinmarketcap Posts
• 语言: 俄语 (ru)
• 许可证: CC0-1.0
• 多语言性: 单语种
• 大小: 1M<n<10M
• 数据来源: 原始数据
• 任务类别: 文本分类
• 任务ID: 语言建模

数据集详情

数据集概要

• 内容: 包含约100万条来自Coinmarketcap平台的帖子，主要收集于2022年2月24日。
• 特点: 数据集中包含大量垃圾信息，适合用于垃圾邮件检测。

数据结构

数据字段

• id: 帖子标识符（整数）
• username: 发帖用户名（字符串）
• usertag: 用户唯一标签（字符串）
• content: 帖子文本（字符串）
• indicator: 与帖子相关的市场指标（字符串）
• timestamp: 发帖时间（字符串）

数据分割

• 分割方式: 所有数据均用于训练，无验证集。

附加信息

许可证

• 使用许可: 可用于任何目的，包括商业项目；可自由修改和分发，无需授权。
• 归属要求: 无需归属，但欢迎归属。