Datasetpublic

turkish-nlp-datasets/economy-and-finance

Ekşi Sözlük Türkçe Teknoloji Dataset Ekşi Sözlük'ten derlenen, teknoloji kategorisine ait Türkçe kullanıcı entry'lerinden oluşan bir veri setidir. Türkçe NLP araştırmaları ve LLM eğitimi için hazırlanmıştır. İçerik Yapay zeka, ChatGPT, sosyal medya algoritmaları, kripto para ve diğer teknoloji konularını kapsayan 24 farklı başlık altında toplanmış entry'lerden oluşmaktadır. Alan Kapsanan Başlıklar Yapay Zeka yapay zeka, chatgpt, claude ai, meta ai… See the full description on the dataset page: https://huggingface.co/datasets/turkish-nlp-datasets/economy-and-finance.

sourceHugging Facecc-by-nc-4.0updated 5mo agoView on Hugging Face

0likes40downloads

Dataset Card

Ekşi Sözlük Türkçe Teknoloji Dataset

Ekşi Sözlük'ten derlenen, teknoloji kategorisine ait Türkçe kullanıcı entry'lerinden oluşan bir veri setidir. Türkçe NLP araştırmaları ve LLM eğitimi için hazırlanmıştır.

İçerik

Yapay zeka, ChatGPT, sosyal medya algoritmaları, kripto para ve diğer teknoloji konularını kapsayan 24 farklı başlık altında toplanmış entry'lerden oluşmaktadır.

Alan	Kapsanan Başlıklar
Yapay Zeka	yapay zeka, chatgpt, claude ai, meta ai, apple intelligence
Sosyal Medya	sosyal medya algoritması, içerik kısıtlama
Kripto	kripto para borsası, bitcoin vergisi
Genel Teknoloji	deepseek, siber güvenlik ve diğerleri

Not: Bu dataset, Ekonomi & Finans kategorisiyle genişletilecek olup ikinci faz yakında eklenecektir.

Veri Formatı

Her kayıt JSONL formatında aşağıdaki alanları içermektedir:

json

{
  "topic": "dolar enflasyonu",
  "text": "entry içeriği...",
  "author": "yazar_nickname",
  "date": "01.01.2024 12:00",
  "entry_no": "12345678"
}

Alan	Açıklama
`topic`	Entry'nin ait olduğu başlık
`text`	Temizlenmiş entry metni
`author`	Yazar kullanıcı adı
`date`	Entry'nin girildiği tarih ve saat
`entry_no`	Ekşi Sözlük üzerindeki tekil entry ID'si

Veri Temizleme

Ham veriye uygulanan işlemler:

—(bkz: ...) referansları kaldırıldı
—URL'ler temizlendi
—10 kelimeden kısa entry'ler elendi
—Fazla boşluklar normalize edildi

Kullanım Alanları

—Türkçe LLM pre-training ve fine-tuning
—Türkçe dil modeli değerlendirme
—Sentiment analizi
—Günlük Türkçe konuşma dili araştırmaları
—Sosyal medya metin analizi

Lisans

CC BY-NC 4.0 — Ticari olmayan amaçlarla, atıf gösterilerek kullanılabilir.

Künye

Bu veri setini araştırmanızda kullanıyorsanız lütfen Hugging Face profil linkinizi belirterek kaynak gösteriniz.