Planned Hugging Face datasets

Dataset Explorer

Preview the BUDOVA datasets before release: live samples from the annotated corpus, the record format and the planned releases.

budova/speech-uk-construction
Transcribed construction speech read aloud by contributors — collection in progress, target 100+ hours
Size: stated at releaseWebM/Opus · MP4/AAC · WAV + JSON-linesCC BY 4.0Splits: defined at releaseASR
Planned for a later release
budova/text-uk-construction
NER-annotated building codes — 2,927 segments from 9 ДБН so far; raw-text target 100M+ tokens
Size: stated at releaseJSON-linesCC BY 4.0Splits: defined at releaseNER
First sample with v1.0 (Q4 2026)
budova/construction-lexicon
Bilingual Ukrainian–English construction terms with definitions — target 5–10K terms
Size: stated at releaseJSONCC BY 4.0fullTranslation, Terminology
Planned for a later release

Sample Records

Preview of the text corpus data format.Live · merged corpus · 2,927 merged entries

NER labelsHow to read the entries and metrics

Ключові слова: будівлі і споруди, вогнестійкість (Property), граничні стани з вогнестійкості (Load effect), пожежна безпека (Safety), протипожежний захист (Safety), реакція на вогонь (Property).

Fire Protectionvalidation 100%κ 1.003 annotatorsκ≥0.8

Бібліографія: 11. ДСТУ EN 13501-6:2023 (Regulation) (EN 13501-6:2018 (Regulation), IDT) Пожежна класифікація будівельних виробів і будівельних конструкцій. Частина 6. Класифікація за результатами випробувань силових кабелів, кабелів керування і кабелів зв'язку щодо реакції на вогонь.

Fire Protectionvalidation 100%κ 1.003 annotatorsκ≥0.8

Бібліографія: 10. ДСТУ EN 13501-5:2024 (Regulation) (EN 13501-5:2016 (Regulation), IDT) Пожежна класифікація будівельних виробів і будівельних конструкцій. Частина 5. Класифікація за результатами випробувань покриттів будівель на стійкість до зовнішнього вогневого впливу.

Fire Protectionvalidation 100%κ 1.003 annotatorsκ≥0.8

Бібліографія: 9. ДСТУ EN 13501-4:2024 (Regulation) (EN 13501-4:2016 (Regulation), IDT) Пожежна класифікація будівельних виробів і будівельних конструкцій. Частина 4. Класифікація за результатами випробувань на вогнестійкість компонентів систем протидимного захисту.

Fire Protectionvalidation 100%κ 1.003 annotatorsκ≥0.8

Бібліографія: 8. ДСТУ EN 13501-3:2024 (Regulation) (EN 13501-3:2005+A1:2009 (Regulation), IDT) Пожежна класифікація будівельних виробів і будівельних конструкцій. Частина 3. Класифікація за результатами випробувань на вогнестійкість виробів та конструкцій, які використовують в інженерних системах будівель. Вогнестійкі повітроводи та протипожежні клапани.

Fire Protectionvalidation 100%κ 1.003 annotatorsκ≥0.8

Бібліографія: 7. ДСТУ EN 13501-2:2023 (Regulation) (EN 13501-2:2016 (Regulation), IDT) Пожежна класифікація будівельних виробів і будівельних конструкцій. Частина 2. Класифікація за результатами випробувань на вогнестійкість (крім складників вентиляційних систем).

Fire Protectionvalidation 100%κ 1.003 annotatorsκ≥0.8

Quick start (from v1.0)

pip install datasets

from datasets import load_dataset

# Available from v1.0 (Q4 2026); the repository is not public yet.
ds = load_dataset("BUDOVA/text-uk-construction")
print(ds["train"][0])

Record format

{
  "final_text": "Арматура повинна бути нерозривною у межах з'єднання і анкерування у прилеглих елементах.",
  "final_labels": [
    {"start": 0, "end": 8, "label": "material", "text": "Арматура", "agreement": 1},
    {"start": 42, "end": 51, "label": "structure", "text": "з'єднання", "agreement": 1},
    {"start": 54, "end": 65, "label": "process", "text": "анкерування", "agreement": 1}
  ],
  "domain": "concrete",
  "validation_score": 1,
  "agreement_meta": {"version": 2, "numRaters": 3, "entityKappa": 1, "cohenKappa": 1, "fleissKappa": 1, "avgSpanF1": 1},
  "merged_at": "2026-07-27T11:03:33.390Z"
}

Citation

If you use BUDOVA in research, please cite:

@misc{budova2026,
  title        = {{BUDOVA}: Building {Ukrainian} Domain-Specific, Open Voice \& Text Archives},
  author       = {Dolhopolov, Serhii},
  year         = {2026},
  howpublished = {\url{https://budov.org}},
  organization = {KNUCA AI Lab, Kyiv National University of Construction and Architecture},
  note         = {Pre-release; first public dataset release (Hugging Face and Zenodo) planned for Q4 2026}
}

Datasets are in active collection. The first public Hugging Face release — a text-corpus sample — is planned with v1.0 (Q4 2026); speech data and the lexicon follow in later releases. Text progress is on the Sources page, speech on the Coverage page.

Speech coverage
Text corpus progressBrowse the full corpus