Datasetpublic

ru-dataset/tg-ru-engagement

📨 Telegram Russian Posts — Engagement Dataset Коллекция русскоязычных постов из Telegram-каналов с метриками вовлечённости (просмотры, репосты). Датасет предназначен для задач fine-tuning языковых моделей, предсказания вирусности и классификации контента. Dataset Summary Язык Русский Записей 70 448 Период Октябрь 2021 — Июль 2026 Источник Telegram-каналы (парсинг) Средняя длина текста 274 символа Медиана просмотров 145 109 Макс.… See the full description on the dataset page: https://huggingface.co/datasets/ru-dataset/tg-ru-engagement.

sourceHugging Faceapache-2.0updated 2mo agoView on Hugging Face

1likes47downloads

Dataset Card

📨 Telegram Russian Posts — Engagement Dataset

Коллекция русскоязычных постов из Telegram-каналов с метриками вовлечённости (просмотры, репосты). Датасет предназначен для задач fine-tuning языковых моделей, предсказания вирусности и классификации контента.

Dataset Summary


Язык	Русский
Записей	70 448
Период	Октябрь 2021 — Июль 2026
Источник	Telegram-каналы (парсинг)
Средняя длина текста	274 символа
Медиана просмотров	145 109
Макс. просмотров	6 933 562

Dataset Structure

Fields

Поле	Тип	Описание
`id`	int	ID поста в канале
`date`	string	Дата публикации (ISO 8601)
`text`	string	Текст поста
`links`	list	Список ссылок в тексте
`has_links`	bool	Наличие ссылок
`has_media`	bool	Наличие медиафайла
`media_type`	string/null	Тип медиа: `photo`, `video`, `document`, `other`
`views`	int	Количество просмотров
`forwards`	int	Количество репостов
`reply_to`	int/null	ID поста, на который является ответом

Example

json

{
  "id": 42952,
  "date": "2026-07-21T18:42:01+00:00",
  "text": "Новая версия Telegram перегревает iPhone и заваливает пользователей ложными уведомлениями...",
  "links": [],
  "has_links": false,
  "has_media": true,
  "media_type": "photo",
  "views": 44198,
  "forwards": 277,
  "reply_to": null
}

Usage

python

from datasets import load_dataset

ds = load_dataset("YOUR_USERNAME/tg-ru-engagement")
print(ds["train"][0])

Сортировка по вирусности:

python

df = ds["train"].to_pandas()
df.sort_values("views", ascending=False).head(10)

Фильтрация постов с медиа:

python

with_photo = ds["train"].filter(lambda x: x["media_type"] == "photo")

Intended Use

—Fine-tuning русскоязычных языковых моделей
—Предсказание вирусности по тексту (регрессия views/forwards)
—Классификация стиля и жанра Telegram-контента
—Анализ медиапотребления и трендов

Limitations

—Датасет содержит рекламные посты без отдельной разметки
—Ссылки внутри текста не раскрыты
—Медиафайлы не включены, только метаданные о них