Datasetkans
Tolid — LLM-geannoteerde corpora: crypto-nieuws, biomedische patenten, beautyvideo
Een dataonderneming die de corpora verkoopt die het heeft gebouwd — en nog steeds de pijplijn exploiteert die ze heeft gebouwd.
Score
84
Score (0–100) combineert gewogen dimensies — zeldzaamheid van de dataset, trainingswaarde, kopersvraag, bewijskracht en recht op licentie. 70+ is deal-klaar. Zie de gescoorde dimensies hieronder voor de uitsplitsing.Betrouwbaarheid
60%
Actie
Licentie
De aanbevolen dealstructuur voor deze dataset: Acquisitie (volledige overname), Licentie (betaalde gebruiksrechten), Data Sharing Agreement (gecontroleerde toegang, geen eigendomsoverdracht), Partnerschap (co-ontwikkeling) of Annotatieprogramma (labeling). Gekozen op basis van data-eigendom, licentiecomplexiteit en toegankelijkheid.Markt
Geannoteerde trainingsdata waarvan de labelkwaliteit GEMETEN is, niet geclaimd — een claim die bijna geen enkel concurrerend corpus kan waarmaken. Verkocht met de gebreken verklaard, en met de pijplijn die het heeft geproduceerd beschikbaar als dienst.
Lineage
Hoe deze lead is afgeleid
De signaal-eerste keten, van begin tot eind: recente externe signalen → gekwalificeerde niche → opgeloste datahouder → siteverificatie → gescoorde kans. Elke lead is verklaarbaar.
Profile
Datasetprofiel
Type
LLM-geannoteerde corpora / kennisgrafen
Modaliteit
tekst
Sector
AI-trainingsdata
Volume
2,47M docs · 723k patenten · 449 routines
Actualiteit
Archief — pijplijnen herstartbaar
Zeldzaamheid
Hoog — de annotatie, niet de tekst
Toegankelijkheid
Onmiddellijk — BigQuery / Firestore spiegels
Juridisch
Annotaties, grafen en metadata zijn afgeleide werken geproduceerd door Tolid en zijn overdraagbaar. De bronpers-tekst is NIET (het behoort toe aan de uitgevers) — het is uitgesloten van elke levering. BIOPORTAL — gemeten en geregeld (2026-07-14): 707 ontologieën worden gebruikt, geen enkele. De 13.757 rijen (1,6% van de mappingtabel) afkomstig van restrictief gelicentieerde bronnen — SNOMED CT, MedDRA, RxNorm, OMIM, NDDF, Read Codes, ICD, CPT — zijn UITGESLOTEN van elke levering. Al het andere is open by construction (OBO Foundry eist CC-BY/CC0 van zijn leden; MeSH is gratis voor commercieel gebruik). CC-BY is een ATTRIBUTIEverplichting, geen copyleft: een ATTRIBUTIEKENNISGEVING wordt meegeleverd met de data. NOG OPEN: de Open Beauty Facts ODbL-status (beauty corpus) — een adversiële beoordeling weerlegde de 'Produced Work'-lezing, dus de beperking kan BINAIR blijken te zijn in plaats van een prijsvermindering. De vier biometrische inferentiekolommen (waargenomen geslacht, leeftijdsbereik, emotie, huidskleur) zijn uitgesloten van elke levering.
Koperspersona
Uitgevers van domein LLM's en financiële NLP-modellen · farma- en biotech-R&D (patentintelligentie) · cosmetica-groepen en beauty-tech · dataverkopers die hun eigen classificator willen trainen. NIET hedgefondsen of signaalverkopers voor het crypto-corpus — het draagt geen alpha, en we zeggen dit.
Tolid is een dataonderneming. Het verkoopt geen uitval van iemand anders door: het heeft de collectie- en LLM-annotatiepijplijnen gebouwd die deze corpora hebben geproduceerd, en het exploiteert ze nog steeds. Wat wordt aangeboden, zijn daarom twee dingen tegelijk — een voorraad geannoteerde data, en de machine die het heeft geproduceerd.
Drie corpora worden aangeboden.
1. Crypto-nieuws, geannoteerd (2.469.218 documenten, okt 2023 → sep 2025). Sentiment, onderwerp, samenvatting en een koop/houd/verkoop-tag, op genormaliseerde tickers. Lees dit vóór al het andere: het handelssignaal heeft GEEN gemeten voorspellende kracht. We hebben de backtest zelf uitgevoerd tegen reële prijzen, op alle 1.198.479 signalen: het verslaat een muntworp met 0,7 punten, en de marktneutrale alpha is nihil. De reden ligt in de data — perssentiment correleert met +0,60 met VORIGE rendementen en +0,07 met toekomstige. Het volgt de prijs; het loopt er niet op vooruit. We verkopen geen alpha, en dit corpus is niet voor een handelsdesk. Wat diezelfde +0,60 wel bewijst, is dat de annotatie getrouw is: het is een LLM-gelabeld financieel corpus waarvan de labelkwaliteit is gevalideerd tegen een externe grondwaarheid. Dat is wat u koopt — trainingsdata met een gemeten kwaliteit, geen signaal.
2. Biomedische patenten, gestructureerd als een kennisgraaf (723.149 documenten). Het meest waardevolle bezit van de drie, en degene met de grootste openstaande vraag: de licentievoorwaarden van de BioPortal-ontologieën waaraan het voldoet, worden herzien. We zeggen dit voordat u het vraagt.
3. Procedurele beautyvideo (449 routines, 7.656 getimede gebaren, 21.441 video's). Niet "videodata": een analytisch oppervlak over wat mensen daadwerkelijk doen, stap voor stap, met welke producten. Twee beperkingen vooraf verklaard — de Open Beauty Facts ODbL-kwestie is onopgelost en kan binair zijn in plaats van een korting, en de vier biometrische inferentiekolommen (waargenomen geslacht, leeftijd, emotie, huidskleur) zijn uitgesloten van elke levering. De procedurele graaf behoudt al zijn waarde zonder deze.
Wat we niet verkopen: de brontekst van het artikel. Het behoort toe aan de uitgevers, niet aan Tolid. Wat overdraagbaar is, is het afgeleide werk — de annotaties, de URL's, de metadata, de graaf.
Services
Wat de houder ook voor u kan doen
Deze dataset is niet alleen een voorraad — de houder beheert nog steeds de pijplijn die deze heeft geproduceerd. Elke onderstaande mogelijkheid wordt ondersteund door een waargenomen feit, geen bewering.
Human validation of the annotations, on demand
Tolid can run a human review pass over any corpus it has produced — full or sampled, to your own guidelines and quality bar.
Bewijs — The entire human-in-the-loop layer already exists — nine moderation tables, an escalation queue, prompt structures — and has never been run on a single document (0 of 4,841,938). The machine is built and wired; it has simply never been switched on.
A corpus built to your theme, from scratch
Give a domain and a taxonomy; Tolid runs collection, LLM annotation and graph construction end-to-end — the same pipeline that produced these corpora.
Bewijs — The pipeline is theme-driven, and there is proof: a seventh theme ("Geopolitical Tensions and Alliances") is fully configured — prompt and JSON template written — with no collection and no deployed service. A theme conceived, written, never launched. That is what "give us a subject" looks like in this codebase.
Entity resolution and normalisation
Mapping the messy surface forms of a domain onto canonical entities — the unglamorous work that decides whether a corpus is joinable with your own data.
Bewijs — 21,359 alias → canonical-ticker mappings were built for the crypto corpus; 19,080 semantic mappings for the beauty ontology. This is the domain's price of entry, already paid.
Cleaning and extending an existing signal
Re-parsing, de-duplicating and extending a field that was produced once and never curated.
Bewijs — Declared openly: the buy/hold/sell field covers only ~44% of the crypto rows and carries parsing leaks (`buy (implied)`, `hold/sell`). Tolid can clean and extend it. We would rather sell you the fix than hide the defect.
Scoring
Gescoorde dimensies
Verklaarbare, op bewijs gebaseerde dimensies (0–100). De radar toont de investeringsassen.
-
Bekijk dimensiedetails ↓- Dataset Specificity88
Annotatiediepte, niet ruwe tekst: sentiment, onderwerp, samenvatting, triples — op 2,5 miljoen documenten, plus een kennisgraaf van 723.000 patenten.
Hoe scherp de data een specifiek, moeilijk te vervangen domein of taak target. Niche, goed gedefinieerde data scoort hoger dan generieke data. - Dataset Rarity88
De tekst is overvloedig; de annotatie op deze diepte en geschiedenis is dat niet. Motormedian over drie runs: 85–90.
Hoe schaars en eigendomsrechtelijk de data is. Unieke domeindata scoort hoog; openbaar beschikbare data verlaagt dit. - Dataset Volume90
2.469.218 geannoteerde crypto-documenten · 723.149 patentdocumenten · 449 procedurele beauty-routines met 7.656 getimede gebaren.
Schijnbare schaal van de data, afgeleid uit het aantal bewijstreffers en eventuele expliciete volumevermeldingen. - Training Value85
Gebouwd voor modeltraining, niet voor rapportage — en de labelkwaliteit is gemeten, niet geclaimd (zie de crypto-validatiestudie).
Hoe nuttig de data is voor de beoogde AI-gebruikscase — de geschiktheid voor modeltraining of fine-tuning. - Buyer Demand87
Motormedian 85–90 zodra de vraag wordt gewogen op basis van de solvabiliteit van de koper in plaats van op het aantal namen.
Hoe sterk AI-ontwikkelaars en bedrijven deze data waarschijnlijk willen, gebaseerd op marktsignalen. - Evidence Strength45
Opzettelijk laag: het prijsbereik komt van onze waarderingsmotor, en GEEN externe marktvergelijkbare anker het nog. Twee diepgaande onderzoeken zijn in afwachting. We tonen liever een zwakke score dan een zelfverzekerd getal dat we niet kunnen verdedigen.
Hoe solide het bewijs is dat het bedrijf deze data bezit — diversiteit van bewijstypen en aantal treffers. - Data Orientation95
Een dataonderneming: de pijplijnen, de graaf en de annotatielaag zijn het product, geen bijproduct.
Hoe actief het bedrijf investeert in data, gemeten aan de hand van zijn data-appetijt signalen (aanwervingen, producten, API's…). - Dormant Data Surplus92
Geproduceerd, opgeslagen — en nooit gemonetiseerd. De moderatielaag is nooit actief geweest; het crypto-corpus is bevroren sinds 2025-09-20.
Volume en waarde van eigen data die dit bedrijf bezit BOVENOP wat het al monetiseert — het slapende overschot dat we kunnen ontsluiten. Een bedrijf kan inzichten verkopen EN nog steeds een veel groter slapend activum bezitten.
Evidence
Datasetbewijs & herkomst
Wat het getypte bewijs aantoont dat het bedrijf bezit — herformuleerd voor duidelijkheid en afgezet tegen de markt.
-
Marketplace
Datasetdetails
Geografische dekking
Global (multilingual sources)
Tijdsbereik
2023-10 → 2025-09 (crypto) · patents and beauty: see each dataset
Levering
Secure extract download, or scoped access
Formaten
parquet, csv, jsonl
Licentie
Derived works (annotations, graphs, metadata) are transferable. Source press text is not.
Persoonsgegevens
Geen PII
There is no public price grid for these corpora, and we will not manufacture one. Our own valuation engine returns wide, UNANCHORED ranges — dispersion up to ×7 on the crypto asset across three identical runs — and a dedicated deep-research study (July 2026, 103 agents, 86 claims → 25 adversarially verified) confirmed WHY: for an LLM-annotated news archive sold as annotations-only, no defensible market comparable exists. The published editor↔LLM deals disclose amounts but never volumes, so no per-document price can be derived; and the closest academic comparable (Financial PhraseBank) anchors label PEDIGREE, never a number. The gap is in the market, not in our research. So we price ON REQUEST, against two things we can defend: a measured production cost (from real cloud billing) and a label quality validated against external ground truth. The biomedical-patents asset — the strongest of the three — is under its own valuation study; its price will be shown only once anchored on real dataset transactions, never on a SaaS-subscription proxy. You do not buy the bundle: each dataset is priced on its own.
Gedetailleerd schema & voorbeeld beschikbaar op aanvraag.
Wilt u deze data?
Vraag toegang aan — wij bemiddelen een veilige dealroom. Gecontroleerd door een operator, geen automatische deling.
Deze vermelding is automatisch gegenereerd op basis van openbare signalen. Het is niet geverifieerd en we zijn niet gelieerd aan dit bedrijf.
Deal room
Tolid — LLM-annotated corpora: crypto news, biomedical patents, beauty video
There is no public price grid for these corpora, and we will not manufacture one. Our own valuation engine returns wide, UNANCHORED ranges — dispersion up to ×7 on the crypto asset across three identical runs — and a dedicated deep-research study (July 2026, 103 agents, 86 claims → 25 adversarially verified) confirmed WHY: for an LLM-annotated news archive sold as annotations-only, no defensible market comparable exists. The published editor↔LLM deals disclose amounts but never volumes, so no per-document price can be derived; and the closest academic comparable (Financial PhraseBank) anchors label PEDIGREE, never a number. The gap is in the market, not in our research. So we price ON REQUEST, against two things we can defend: a measured production cost (from real cloud billing) and a label quality validated against external ground truth. The biomedical-patents asset — the strongest of the three — is under its own valuation study; its price will be shown only once anchored on real dataset transactions, never on a SaaS-subscription proxy. You do not buy the bundle: each dataset is priced on its own.
Koperspersona
Uitgevers van domein LLM's en financiële NLP-modellen · farma- en biotech-R&D (patentintelligentie) · cosmetica-groepen en beauty-tech · dataverkopers die hun eigen classificator willen trainen. NIET hedgefondsen of signaalverkopers voor het crypto-corpus — het draagt geen alpha, en we zeggen dit.
Het type bedrijf of team dat het meest waarschijnlijk deze dataset zal kopen of gebruiken — het doelwit aan de vraagzijde.Markt
Geannoteerde trainingsdata waarvan de labelkwaliteit GEMETEN is, niet geclaimd — een claim die bijna geen enkel concurrerend corpus kan waarmaken. Verkocht met de gebreken verklaard, en met de pijplijn die het heeft geproduceerd beschikbaar als dienst.
Een ruwe inschatting van de vraag en prijsklasse voor deze data, op basis van marktsignalen ($ = niche, $$$ = hoge AI-kopersvraag).Risico
Annotaties, grafen en metadata zijn afgeleide werken geproduceerd door Tolid en zijn overdraagbaar. De bronpers-tekst is NIET (het behoort toe aan de uitgevers) — het is uitgesloten van elke levering. BIOPORTAL — gemeten en geregeld (2026-07-14): 707 ontologieën worden gebruikt, geen enkele. De 13.757 rijen (1,6% van de mappingtabel) afkomstig van restrictief gelicentieerde bronnen — SNOMED CT, MedDRA, RxNorm, OMIM, NDDF, Read Codes, ICD, CPT — zijn UITGESLOTEN van elke levering. Al het andere is open by construction (OBO Foundry eist CC-BY/CC0 van zijn leden; MeSH is gratis voor commercieel gebruik). CC-BY is een ATTRIBUTIEverplichting, geen copyleft: een ATTRIBUTIEKENNISGEVING wordt meegeleverd met de data. NOG OPEN: de Open Beauty Facts ODbL-status (beauty corpus) — een adversiële beoordeling weerlegde de 'Produced Work'-lezing, dus de beperking kan BINAIR blijken te zijn in plaats van een prijsvermindering. De vier biometrische inferentiekolommen (waargenomen geslacht, leeftijdsbereik, emotie, huidskleur) zijn uitgesloten van elke levering.
De belangrijkste juridische en compliancebeperkingen voor het gebruik of de overdracht van deze data — PII/AVG, licentierechten, regelgevende limieten.Actie
Licentie
De aanbevolen dealstructuur voor deze dataset: Acquisitie (volledige overname), Licentie (betaalde gebruiksrechten), Data Sharing Agreement (gecontroleerde toegang, geen eigendomsoverdracht), Partnerschap (co-ontwikkeling) of Annotatieprogramma (labeling). Gekozen op basis van data-eigendom, licentiecomplexiteit en toegankelijkheid.Coverage
Scanned sources
Deliverable
Premium dataset report
A teaser is generated for each dataset opportunity. The full report is available on unlock.
Vanuit de marktplaats
Ontdek live datakansen
Dryad — Gegevensmogelijkheid voor sensortelemetering
Bekijk kans →industrieelVerticalfuture — Industriële Sensordata Mogelijkheid
Bekijk kans →financiënForestcarbon — Kennisbank Dataset Mogelijkheid
Bekijk kans →