Еда | Продукты питания

Open Food Facts gathers information and data on food products from around the world.
Сентимент-анализ отзывов на еду с Amazon
Recipe Ingredients Dataset (отсутствуют пропорции для ингредиентов)
Recipe1M+ (большое количество рецептов, но необходимо регистрироваться, чтобы скачать данные)
Epicurious — Recipes with Rating and Nutrition (около ~20000 рецептов)
Recipe box (около ~125,000 рецептов с ингредиентами и инструкциями по приготовлению)

#еда #отзывы #рецепты
@dataset_ru

Текстовые данные

Датасет с анекдотами
www.tgoop.com/NeuralShit/2321

Датасет с анекдотами
github.com/e1four15f/TFS19s-NLP-Jokes/blob/master/experiment_1/jokes.csv

Датасет с цитатами
www.tgoop.com/NeuralShit/2202

Корпус лемматизированных (морфологически нормализованных) текстов российских СМИ
github.com/maxoodf/russian_news_corpus

Сборник новостей gazeta.ru
kaggle.com/phoenix120/gazeta-summaries

Сборник новостей "Россия сегодня"
https://github.com/RossiyaSegodnya/ria_news_dataset

Корпус новостей с Lenta.Ru
github.com/yutkin/Lenta.Ru-News-Datase

Русскоязычный корпус коротких текстов RuTweetCorp состоящий из 17,639,674 записей
study.mokoron.com/#corpora

RuAdapt: параллельный датасет упрощенного русского языка
github.com/Digital-Pushkin-Lab/RuAdapt

Фамилии
www.tgoop.com/dataset_chat/40

Репозиторий включает в себя Датасет гороскопов с сайта https://horoscopes.rambler.ru
https://github.com/ArmageddonReloadedDK/astro

Русскоязычные NLP датасеты
github.com/Koziev/NLP_Datasets

Набор данных содержит более 40 тысяч игр из магазина Steam с подробными данными.
https://www.kaggle.com/trolukovich/steam-games-complete-dataset

Набор данных из популярного российского коллективного блога Habrahabr
https://github.com/romovpa/habrahabr-dataset

Набор данных с 10 тыс. Решений хозяйственных судов РФ и анализом ggplot2 / dplyr.
https://github.com/alexeyknorre/Rbitrazh

Данные по законопроектам Государственной Думы.
https://github.com/infoculture/lawmon

Датасет русских поэм
https://github.com/Laefye/RussionDatasetPoems

Русские романы
https://github.com/JoannaBy/RussianNovels

Мемы с текстовыми описаниями
https://www.tgoop.com/lovedeathtransformers/4792

@dataset_ru

Фотографии

Размеченная капча (20 тыс)
https://www.tgoop.com/lovedeathtransformers/4771

Stanford Drone Dataset
cvgl.stanford.edu/projects/uav_data

xView — один из самых больших общедоступных наборов воздушных снимков земли. Он содержит изображения различных сцен со всего мира, аннотированных с помощью ограничительных рамок
xviewdataset.org/#dataset

@dataset_ru

Музыка

Специально подобранная коллекция классической музыки с пометками.
homes.cs.washington.edu/~thickstn/musicnet.html

База данных русской речи : записанная в 1996-1998 годах, база данных русской речи STC была создана для исследования индивидуальной вариативности говорящего и проверки алгоритмов распознавания говорящего.
catalogue.elra.info/en-us/repository/browse/ELRA-S0050/

Набор данных: CSS10 - это набор наборов данных одного диктора на русском языке для 10 языков, включая русский.
kaggle.com/bryanpark/russian-single-speaker-speech-dataset

M-AILABS Speech Dataset : большой набор аудиоданных на русском языке, свободно используемый в качестве обучающих данных для распознавания и синтеза речи.
caito.de/2019/01/the-m-ailabs-speech-dataset/

Набор данных Russian Open Speech To Text (STT / ASR) : набор данных, содержащий более 4000 разнообразных, междоменных речей для обучения моделей преобразования речи в текст на русском языке.
towardsdatascience.com/russian-open-speech-to-text-stt-asr-dataset-4c4e5d6a292c

Крупномасштабный набор данных вручную аннотированных аудиособытий.
research.google.com/audioset

Набор данных « Миллион песен» свободно доступная коллекция звуковых функций и метаданных для миллиона современных популярных музыкальных треков.
millionsongdataset.com



@dataset_ru

Видеозаписи

Старый Телевизор - архив старых теле- и радиозаписей. Отдельное внимание уделено теме телевизионного дизайна и рекламы.
staroetv.su

Датасет состоит из видеозаписей людей, произносящих различные фразы. Данный датасет был сформирован на базе НИУ ВШЭ Нижний Новгород
github.com/avenaki/speech-recognition-dataset

@dataset_ru

Мода

База данных крупномасштабной моды
http://mmlab.ie.cuhk.edu.hk/projects/DeepFashion.html

@dataset_ru

Лингвистические датасеты

Тональный словарь русского языка КартаСловСент — слова и выражения русского языка, снабжённые тональной меткой («положительное», «отрицательное», «нейтральное») и скалярным значением силы эмоционально-оценочного заряда из непрерывного диапазона [-1, 1].

Открытая семантика русского языка — разметка слов и выражений русского языка по семантическим срезам («люди», «животные», «сооружения», «вещи», «действия» и т.д.).

Ассоциации к словам и выражениям русского языка — ассоциации к словам и выражениям русского языка, придуманные реальными людьми. Кроме общего набора публикуются данные срезов по гендеру, т.е. включающие частоты ассоциаций, подсчитанные отдельно для мужчин и для женщин.

Орфографические ошибки и опечатки — слова русского языка и варианты их неправильного написания. Включает в себя как орфографические ошибки, так и опечатки. Все ошибочные написания снабжены весами, позволяющими оценить относительную частоту встречаемости тех или иных ошибок.

Датасет состоящий из русских предложений.

Event2Mind для русского языка
Данные: github.com/Alenush/russian_event2mind

Отслеживание семантических сдвигов для русского языка
Прилагательные вручную аннотированные для временных семантических сдвигов в промежутке времени от 2000 до 2014 года.

RULEC-GEC - это набор предложений, написанных изучающими русский язык и помеченных на ошибки.

Определение композиционности существительных с использованием распределительной семантики для русского языка

Математический набор данных переведен на русский язык

The Knowledge Base Question Answering

Рукописные символы русских берестяных грамот

Открытая семантика русского языка

Национальный корпус русского языка


@dataset_ru

Токсичность, троллинг, эмоции

Токсичность. Токсичные комментарии на русском языке
kaggle.com/blackmoon/russian-language-toxic-comments

Датасет определения токсичности на английском языке
kaggle.com/c/jigsaw-toxic-comment-classification-challenge

Набор данных социальных сетей для анализа настроений (эмоций) на русском языке
github.com/strawberrypie/rusentiment

3 million Russian troll tweets
github.com/fivethirtyeight/russian-troll-tweets
github.com/bet4a/russian-troll-tweets-by-author

Наборы данных для анализа настроений в России
github.com/antongolubev5/Russian-Sentiment-Analysis-Evaluation-Datasets

RuReviews: автоматически аннотированный набор данных для анализа настроений для обзоров продуктов на русском языке
github.com/sismetanin/rureviews

Настроение смайликов Emoji
github.com/snakers4/emoji-sentiment-dataset/tree/master#dataset

@dataset_ru

Рецензии | Отзывы

Рецензии на фильмы Кинопоиск
kaggle.com/mikhailklemin/kinopoisks-movies-reviews

Kinopoisk-TOP250 Russian Dataset
kaggle.com/alexandertesemnikov/kinopoisktop250russiandataset

База данных аниме рекомендаций — рекомендации от 76 000 пользователей на myanimelist.net
kaggle.com/CooperUnion/anime-recommendations-database

Русские и казахстанские отзывы
https://github.com/akanat/russian_reviews_dataset

Отзывы на мобильные телефоны
https://www.kaggle.com/theovall/phonereviews

@dataset_ru

Литература

Репозиторий открытых данных по русской литературе и фольклору (Более 7 датасетов)
Датасет русских поэм
Русские романы
Сборник русской поэзии (18-20 века)
Набор данных «Назировского архива»
Набор текстовых файлов эссе, размеченных и неразмеченных.
Фанфики
Фанфики про пони

@dataset_ru

Образование

Показатели результативности российских вузов: объединенные данные за 2013-2017 годы
Список высших учебных заведений от ВКонтакте
Мировой рейтинг университетов
Открытые данные Министерства науки и высшего образования
Открытые данные Министерства просвещения
RIRO (v.1.0) – Российский индекс научных организаций
Open Editors собирает данные о редакторах научных журналов и членах редколлегии.

@dataset_ru

↕️↘️ Содержание
0️⃣1️⃣ Адреса
0️⃣2️⃣ Анализ сцен
0️⃣3️⃣ Видеозаписи
0️⃣4️⃣ Выборы
0️⃣5️⃣ Еда | Продукты питания
0️⃣6️⃣ Здравоохранение
0️⃣7️⃣ Лингвистические датасеты
0️⃣8️⃣ Литература
0️⃣9️⃣ Мода
1️⃣0️⃣ Музыка
1️⃣1️⃣ Муниципальные порталы открытых данных
1️⃣2️⃣ Недвижимость
1️⃣3️⃣ Образование
1️⃣4️⃣ Региональные порталы открытых данных
1️⃣5️⃣ Рецензии | Отзывы
1️⃣6️⃣ Рынок труда и занятость
1️⃣7️⃣ Социальные сети
1️⃣8️⃣ Токсичность, троллинг, эмоции
1️⃣9️⃣ Текстовые данные
2️⃣0️⃣ Устная речь
2️⃣1️⃣ Федеральные порталы открытых данных
2️⃣2️⃣ Финансы
2️⃣3️⃣ Фотографии людей
2️⃣4️⃣ Фотографии
2️⃣5️⃣ Экология


Не нашли, что искали, а нужно очень срочно?

https://www.tgoop.com/opendatarussiachat
datacatalogs.ru
datasetsearch.research.google.com