Create README

README.md

@@ -0,0 +1,65 @@
+---
+task_categories:
+- text-classification
+- zero-shot-classification
+- text-generation
+- token-classification
+language:
+- ru
+tags:
+- LLM
+- classification
+- Oil
+- Gas
+pretty_name: Russian Oil and Gas News Telegram Dataset
+size_categories:
+- 10K<n<100K
+---
+
+## Description in English:
+  Dataset collected from 30 Russian-language Telegram news channels on the topic of Oil ang Gas Industry, 
+collected and marked up automatically using the **Scoutie** data collection and marking [service](https://scoutie.ru/).\
+Try Scoutie and collect the same or another dataset using the [link](https://scoutie.ru/).
+
+## Dataset fields:
+  **taskId** - task identifier in the Scouti service.\
+  **text** - main text.\
+  **url** - link to the publication.\
+  **sourceLink** - link to Telegram.\
+  **subSourceLink** - link to the channel.\
+  **views** - text views.\
+  **likes** - for this dataset, an empty field (meaning the number of emotions).\
+  **createTime** - publication date in unix time format.\
+  **createTime** - publication collection date in unix time format.\
+  **clusterId** - cluster id.\
+  **vector** - text embedding (its vector representation).\
+  **ners** - array of identified named entities, where lemma is a lemmatized representation of a word, and label is the name of a tag, start_pos is the starting position of an entity in the text, end_pos is the ending position of an entity in the text.\
+  **sentiment** - emotional coloring of the text: POSITIVE, NEGATIVE, NEUTRAL.\
+  **language** - text language RUS, ENG.\
+  **spam** - text classification as advertising or not NOT_SPAM - no advertising, otherwise SPAM - the text is marked as advertising.\
+  **length** - number of tokens in the text (words).\
+  **markedUp** - means that the text is marked or not within the framework of the Skauti service, takes the value true or false.
+
+## Описание на русском языке:
+  Датасет собранный из 30 русскоязычных новостных Telegram  каналов на тему Нефтегазовая промышленность,
+собранный и размеченный автоматически с помощью сервиса сбора и разметки данных [Скаути](https://scoutie.ru/).\
+Попробуй Скаути и собери такой же или другой датасет по [ссылке](https://scoutie.ru/).
+
+## Поля датасета:
+  **taskId** - идентификатор задачи в сервисе Скаути.\
+  **text**  - основной текст.\
+  **url** - ссылка на публикацию.\
+  **sourceLink** -  ссылка на Telegram.\
+  **subSourceLink** - ссылка на канал.\
+  **views** - просмотры текста.\
+  **likes** - для данного датасета пустое поле (означающее количество эмоций).\
+  **createTime** - дата публикации в формате unix time.\
+  **createTime** - дата сбора публикации в формате unix time.\
+  **clusterId** - id кластера.\
+  **vector** -  embedding текста (его векторное представление).\
+  **ners** - массив выявленных именованных сущностей, где lemma - лемматизированное представление слова, а label это название тега, start_pos - начальная позиция сущности в тексте, end_pos - конечная позиция сущности в тексте.\
+  **sentiment** - эмоциональный окрас текста: POSITIVE, NEGATIVE, NEUTRAL.\
+  **language** - язык текста RUS, ENG.\
+  **spam** - классификация текста, как рекламный или нет NOT_SPAM - нет рекламы, иначе SPAM - текст помечен, как рекламный.\
+  **length** -  количество токенов в тексте (слов).\
+  **markedUp** - означает, что текст размечен или нет в рамках сервиса Скаути принимает значение true или false.