مجموعه دادگان تلگرام

این مجموعه دادگان متشکل از 8272797 پیام منتشر شده در بازه یک ماه، از کانال‌های تلگرامی فارسی زبان است. این تعداد پیام از یک میلیون و پانصد هزار کانال تلگرامی فارسی زبان جمع‌آوری شده است، این پیام‌های همگی دارای زبان فارسی بوده و حتما دارای متن هستند به عبارت دیگر پست‌های تلگرامی که عکس و یا فیلم بوده‌اند در این مجموعه وجود ندارند. از این مجموعه دادگان می‌توان برای توسعه و ایجاد الگوریتم‌های تشخیص رویداد، تشخیص کلمات کلیدی، موضوعات داغ و Topic Modeling استفاده کرد. ذکر این نکته حائز اهمیت است که در هر پیام، کانال منتشر کننده و همچنین آدرس کانال‌های دیگر از متن پیام حذف شده است. اما هشتگ‌های موجود در پیام‌ها دست نخورده باقی مانده است.

شرایط استفاده از دیتاست

این مجموعه دادگان تحت مجوز بین المللی CC-BY-SA-NC نسخه 4 می‌باشد
کاربران باید نام شرکت دیتاک و سکو را در منابع مقاله های تحقیقاتی خود ذکر نموده و به آدرس وبسایت سکو http://sakoo.dataak.com اشاره نمایند.
زمان تولید
1397
سایز
994Mb
فرمت
csv
تولید کننده
Dataak
منبع
Telegram