Заплановані датасети на Hugging Face

Огляд датасетів

Датасети BUDOVA до релізу: живі приклади з розміченого корпусу, формат запису й заплановані релізи.

budova/speech-uk-construction

Транскрибоване будівельне мовлення, прочитане вголос учасниками, — збір триває, ціль 100+ годин

Розмір — з релізомWebM/Opus · MP4/AAC · WAV + JSON-linesCC BY 4.0Поділ — з релізомASR

Заплановано в пізнішому релізі

budova/text-uk-construction

Будівельні норми з NER-розміткою — поки 2 927 сегментів з 9 ДБН; ціль сирого тексту — 100M+ токенів

Розмір — з релізомJSON-linesCC BY 4.0Поділ — з релізомNER

Перша вибірка — з v1.0 (IV кв. 2026)

budova/construction-lexicon

Двомовні українсько-англійські будівельні терміни з визначеннями — ціль 5–10K

Розмір — з релізомJSONCC BY 4.0повнийПереклад, термінологія

Заплановано в пізнішому релізі

Зразки записів

Попередній перегляд формату текстового корпусу.Наживо · зведений корпус · 2 927 зведених записів

Мітки NER

Як читати записи й метрики

Ключові слова: будівлі і споруди, вогнестійкість (Властивість), граничні стани з вогнестійкості (Вплив), пожежна безпека (Безпека), протипожежний захист (Безпека), реакція на вогонь (Властивість).

Протипожежний захиствалідація 100%κ 1,003 анотаториκ≥0.8

Бібліографія: 11. ДСТУ EN 13501-6:2023 (Норматив) (EN 13501-6:2018 (Норматив), 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.

Протипожежний захиствалідація 100%κ 1,003 анотаториκ≥0.8

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

Протипожежний захиствалідація 100%κ 1,003 анотаториκ≥0.8

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

Протипожежний захиствалідація 100%κ 1,003 анотаториκ≥0.8

Бібліографія: 8. ДСТУ EN 13501-3:2024 (Норматив) (EN 13501-3:2005+A1:2009 (Норматив), 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.

Протипожежний захиствалідація 100%κ 1,003 анотаториκ≥0.8

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

Протипожежний захиствалідація 100%κ 1,003 анотаториκ≥0.8

Швидкий старт (з v1.0)

pip install datasets

from datasets import load_dataset

# Доступно з v1.0 (IV кв. 2026); репозиторій ще не публічний.
ds = load_dataset("BUDOVA/text-uk-construction")
print(ds["train"][0])

Формат запису

{
  "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"
}

Цитування

Якщо ви використовуєте BUDOVA у дослідженні, цитуйте:

@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}
}

Датасети у процесі активного збору. Перший публічний реліз на Hugging Face — вибірка текстового корпусу — запланований з v1.0 (IV кв. 2026); мовленнєві дані та лексикон — у наступних релізах. Стан тексту — на сторінці «Джерела», мовлення — на сторінці «Покриття».

Покриття мовлення

Прогрес текстового корпусу Переглянути весь корпус