metadata

dataset_info:
  features:
    - name: url
      dtype: string
    - name: text
      dtype: string
    - name: title
      dtype: string
    - name: source
      dtype: string
    - name: timestamp
      dtype: uint64
  splits:
    - name: train
      num_bytes: 12858731888
      num_examples: 4137525
  download_size: 3669747077
  dataset_size: 12858731888
task_categories:
  - text-generation
language:
  - ru
size_categories:
  - 1M<n<10M

RuNews dataset

Table of Contents
Description
Usage
Data Instances
Personal and Sensitive Information

Description

Summary: Dataset of news from several sources:

Script: create_ru_news.py

Point of Contact: Ilya Gusev

Languages: Russian.

Usage

Prerequisites:

pip install datasets zstandard jsonlines pysimdjson

Dataset iteration:

from datasets import load_dataset
dataset = load_dataset('IlyaGusev/ru_news', split="train", streaming=True)
for example in dataset:
    print(example["text"])

Data Instances

{
  "title": "Заместитель главы района в Якутии пожаловался на пьянство начальника",
  "text": "Заместитель главы Нерюнгринского района Якутии Геннадий Ленц пожаловался руководителю республики Егору Борисову на своего начальника. Как рассказал Ленц 'Интерфаксу', Андрей Фитисов пьет на рабочем месте и 'уходит в многодневные загулы'...",
  "timestamp": 1346284800,
  "url": "https://lenta.ru/news/2012/08/30/alco/",
  "source": "lenta"
}

Personal and Sensitive Information

The dataset is not anonymized, so individuals' names can be found in the dataset. Information about the original authors is included in the dataset where possible.

RuNews dataset

Table of Contents

Description

Usage

Data Instances

Personal and Sensitive Information