universal_dependencies

  • Descrição :

Dependências Universais (UD) é uma estrutura para anotação consistente da gramática (partes do discurso, recursos morfológicos e dependências sintáticas) em diferentes idiomas humanos. UD é um esforço comunitário aberto com mais de 300 colaboradores produzindo mais de 200 treebanks em mais de 100 idiomas. Se você é novo no UD, deve começar lendo a primeira parte da breve introdução e, em seguida, navegar pelas diretrizes de anotação.

FeaturesDict({
    'deprel': Sequence(Text(shape=(), dtype=string)),
    'deps': Sequence(Text(shape=(), dtype=string)),
    'feats': Sequence(Text(shape=(), dtype=string)),
    'head': Sequence(Text(shape=(), dtype=string)),
    'idx': Text(shape=(), dtype=string),
    'lemmas': Sequence(Text(shape=(), dtype=string)),
    'misc': Sequence(Text(shape=(), dtype=string)),
    'text': Text(shape=(), dtype=string),
    'tokens': Sequence(Text(shape=(), dtype=string)),
    'upos': Sequence(ClassLabel(shape=(), dtype=int64, num_classes=18)),
    'xpos': Sequence(Text(shape=(), dtype=string)),
})
  • Documentação do recurso:
Característica Classe Forma Tipo D Descrição
RecursosDict
depreciar Sequência (Texto) (Nenhum,) corda
dependências Sequência (Texto) (Nenhum,) corda
façanhas Sequência (Texto) (Nenhum,) corda
cabeça Sequência (Texto) (Nenhum,) corda
idx Texto corda
lemas Sequência (Texto) (Nenhum,) corda
diversos Sequência (Texto) (Nenhum,) corda
texto Texto corda
fichas Sequência (Texto) (Nenhum,) corda
upos Sequência(ClassLabel) (Nenhum,) int64
xpos Sequência (Texto) (Nenhum,) corda
@misc{11234/1-4758,
 title = {Universal Dependencies 2.10},
 author = {Zeman, Daniel and Nivre, Joakim and Abrams, Mitchell and Ackermann,  Elia and Aepli, No{"e}mi and Aghaei, Hamid and Agi{'c}, {v Z}eljko and  Ahmadi, Amir and Ahrenberg, Lars and Ajede, Chika Kennedy and  Aleksandravi{v c}i{=u}te, Gabriele and Alfina, Ika and Algom, Avner  and Andersen, Erik and Antonsen, Lene and Aplonova, Katya and Aquino,  Angelina and Aragon, Carolina and Aranes, Glyd and Aranzabe, Maria Jesus and  Arican, Bilge Nas and Arnard{'o}ttir, {     H}{'o}runn and Arutie, Gashaw  and Arwidarasti, Jessica Naraiswari and Asahara, Masayuki and Aslan, Deniz  Baran and Asmazoglu, Cengiz and Ateyah, Luma and Atmaca, Furkan and  Attia, Mohammed and Atutxa, Aitziber and Augustinus, Liesbeth and Badmaeva,  Elena and Balasubramani, Keerthana and Ballesteros, Miguel and Banerjee,  Esha and Bank, Sebastian and Barbu Mititelu, Verginica and Barkarson,  Starkaður and Basile, Rodolfo and Basmov, Victoria and Batchelor, Colin and  Bauer, John and Bedir, Seyyit Talha and Bengoetxea, Kepa and Ben Moshe, Yifat  and Berk, G{"o}zde and Berzak, Yevgeni and Bhat, Irshad Ahmad and Bhat,  Riyaz Ahmad and Biagetti, Erica and Bick, Eckhard and Bielinskiene,  Agne and Bjarnad{'o}ttir, Krist{'i}n and Blokland, Rogier and  Bobicev, Victoria and Boizou, Lo{"i}c and Borges V{"o}lker, Emanuel  and B{"o}rstell, Carl and Bosco, Cristina and Bouma, Gosse and Bowman, Sam  and Boyd, Adriane and Braggaar, Anouck and Brokaite, Kristina and  Burchardt, Aljoscha and Candito, Marie and Caron, Bernard and Caron, Gauthier  and Cassidy, Lauren and Cavalcanti, Tatiana and Cebiroglu Eryigit,  G{"u}l{s}en and Cecchini, Flavio Massimiliano and Celano, Giuseppe G. A.  and {C}{'e}pl{"o}, Slavom{'i}r and Cesur, Neslihan and Cetin, Savas  and {C}etinoglu, {"O}zlem and Chalub, Fabricio and Chauhan, Shweta  and Chi, Ethan and Chika, Taishi and Cho, Yongseok and Choi, Jinho and Chun,  Jayeol and Chung, Juyeon and Cignarella, Alessandra T. and Cinkov{'a},  Silvie and Collomb, Aur{'e}lie and {C}{"o}ltekin, {C}a{g}ri and  Connor, Miriam and Corbetta, Daniela and Courtin, Marine and Cristescu,  Mihaela and Daniel, Philemon and Davidson, Elizabeth and Dehouck, Mathieu  and de Laurentiis, Martina and de Marneffe, Marie-Catherine and de Paiva,  Valeria and Derin, Mehmet Oguz and de Souza, Elvis and Diaz de Ilarraza,  Arantza and Dickerson, Carly and Dinakaramani, Arawinda and Di Nuovo, Elisa  and Dione, Bamba and Dirix, Peter and Dobrovoljc, Kaja and Dozat, Timothy and  Droganova, Kira and Dwivedi, Puneet and Eckhoff, Hanne and Eiche, Sandra and  Eli, Marhaba and Elkahky, Ali and Ephrem, Binyam and Erina, Olga and Erjavec,  Toma{v z} and Etienne, Aline and Evelyn, Wograine and Facundes, Sidney and  Farkas, Rich{'a}rd and Favero, Federica and Ferdaousi, Jannatul and  Fernanda, Mar{'i}lia and Fernandez Alcalde, Hector and Foster, Jennifer  and Freitas, Cl{'a}udia and Fujita, Kazunori and Gajdo{v s}ov{'a},  Katar{'i}na and Galbraith, Daniel and Gamba, Federica and Garcia, Marcos  and G{"a}rdenfors, Moa and Garza, Sebastian and Gerardi, Fabr{'i}cio  Ferraz and Gerdes, Kim and Ginter, Filip and Godoy, Gustavo and Goenaga,  Iakes and Gojenola, Koldo and G{"o}kirmak, Memduh and Goldberg, Yoav and  G{'o}mez Guinovart, Xavier and Gonz{'a}lez Saavedra, Berta and  Griciute, Bernadeta and Grioni, Matias and Grobol, Lo{"i}c and  Gruzitis, Normunds and Guillaume, Bruno and Guillot-Barbance,  C{'e}line and G{"u}ng{"o}r, Tunga and Habash, Nizar and Hafsteinsson,  Hinrik and Hajic, Jan and Hajic jr., Jan and  H{"a}m{"a}l{"a}inen, Mika and Ha My, Linh and Han, Na-Rae and  Hanifmuti, Muhammad Yudistira and Harada, Takahiro and Hardwick, Sam and  Harris, Kim and Haug, Dag and Heinecke, Johannes and Hellwig, Oliver and  Hennig, Felix and Hladk{'a}, Barbora and Hlav{'a}{v c}ov{'a}, Jaroslava  and Hociung, Florinel and Hohle, Petter and Hwang, Jena and Ikeda, Takumi  and Ingason, Anton Karl and Ion, Radu and Irimia, Elena and Ishola,  {O}l{'a}j{'i}d{'e} and Ito, Kaoru and Jannat, Siratun and  Jel{'i}nek, Tom{'a}{v s} and Jha, Apoorva and Johannsen, Anders and  J{'o}nsd{'o}ttir, Hildur and Jorgensen, Fredrik and Juutinen, Markus  and K, Sarveswaran and Ka{c s}ikara, H{"u}ner and Kaasen, Andre and  Kabaeva, Nadezhda and Kahane, Sylvain and Kanayama, Hiroshi and Kanerva,  Jenna and Kara, Neslihan and Karah{'o}ǧa, Ritv{'a}n and Katz, Boris and  Kayadelen, Tolga and Kenney, Jessica and Kettnerov{'a}, V{'a}clava and  Kirchner, Jesse and Klementieva, Elena and Klyachko, Elena and K{"o}hn,  Arne and K{"o}ksal, Abdullatif and Kopacewicz, Kamil and Korkiakangas, Timo  and K{"o}se, Mehmet and Kotsyba, Natalia and Kovalevskaite, Jolanta and  Krek, Simon and Krishnamurthy, Parameswari and K{"u}bler, Sandra and  Kuyruk{c c}u, O{g}uzhan and Kuzgun, Asli and Kwak, Sookyoung and  Laippala, Veronika and Lam, Lucia and Lambertino, Lorenzo and Lando, Tatiana  and Larasati, Septina Dian and Lavrentiev, Alexei and Lee, John and Le  H{o}ng, Phương and Lenci, Alessandro and Lertpradit, Saran and Leung,  Herman and Levina, Maria and Li, Cheuk Ying and Li, Josie and Li, Keying and  Li, Yuan and Lim, {KyungTae} and Lima Padovani, Bruna and Lind{'e}n, Krister  and Ljube{s}i{'c}, Nikola and Loginova, Olga and Lusito, Stefano and  Luthfi, Andry and Luukko, Mikko and Lyashevskaya, Olga and Lynn, Teresa and  Macketanz, Vivien and Mahamdi, Menel and Maillard, Jean and Makazhanov, Aibek  and Mandl, Michael and Manning, Christopher and Manurung, Ruli and  Mar{s}an, B{"u}{s}ra and M{a}r{a}nduc, C{a}t{a}lina and  Mare{c}ek, David and Marheinecke, Katrin and Markantonatou, Stella and  Mart{'i}nez Alonso, H{'e}ctor and Mart{'i}n Rodr{'i}guez, Lorena  and Martins, Andr{'e} and Ma{s}ek, Jan and Matsuda, Hiroshi and  Matsumoto, Yuji and Mazzei, Alessandro and {McDonald}, Ryan and {McGuinness},  Sarah and Mendon{c}a, Gustavo and Merzhevich, Tatiana and Miekka, Niko and  Mischenkova, Karina and Misirpashayeva, Margarita and Missil{"a}, Anna and  Mititelu, C{a}t{a}lin and Mitrofan, Maria and Miyao, Yusuke and Mojiri  Foroushani, {AmirHossein} and Moln{'a}r, Judit and Moloodi, Amirsaeid and  Montemagni, Simonetta and More, Amir and Moreno Romero, Laura and Moretti,  Giovanni and Mori, Keiko Sophie and Mori, Shinsuke and Morioka, Tomohiko and  Moro, Shigeki and Mortensen, Bjartur and Moskalevskyi, Bohdan and Muischnek,  Kadri and Munro, Robert and Murawaki, Yugo and M{"u}{"u}risep, Kaili and  Nainwani, Pinkey and Nakhl{'e}, Mariam and Navarro Horniacek, Juan  Ignacio and Nedoluzhko, Anna and Ne{v s}pore-Berzkalne, Gunta and  Nevaci, Manuela and Nguy{e}n Th{i}, Lương and Nguy{e}n  Th{i} Minh, Huy{e}n and Nikaido, Yoshihiro and Nikolaev, Vitaly  and Nitisaroj, Rattima and Nourian, Alireza and Nurmi, Hanna and Ojala,  Stina and Ojha, Atul Kr. and Ol{'u}{'o}kun, Ad{e}day{o}̀ and Omura,  Mai and Onwuegbuzia, Emeka and Ordan, Noam and Osenova, Petya and  {"O}stling, Robert and {O}vrelid, Lilja and {"O}zate{s},  {S}aziye Bet{"u}l and {"O}z{c}elik, Merve and {"O}zg{"u}r,  Arzucan and {"O}zt{"u}rk Ba{s}aran, Balkiz and Paccosi, Teresa  and Palmero Aprosio, Alessio and Park, Hyunji Hayley and Partanen, Niko  and Pascual, Elena and Passarotti, Marco and Patejuk, Agnieszka and  Paulino-Passos, Guilherme and Pedonese, Giulia and Peljak-{L}api{n}ska,  Angelika and Peng, Siyao and Perez, Cenel-Augusto and Perkova, Natalia and  Perrier, Guy and Petrov, Slav and Petrova, Daria and Peverelli, Andrea and  Phelan, Jason and Piitulainen, Jussi and Pirinen, Tommi A and Pitler, Emily  and Plank, Barbara and Poibeau, Thierry and Ponomareva, Larisa and Popel,  Martin and Pretkalni{n}a, Lauma and Pr{'e}vost, Sophie and Prokopidis,  Prokopis and Przepi{o}rkowski, Adam and Puolakainen, Tiina and Pyysalo,  Sampo and Qi, Peng and R{"a}{"a}bis, Andriela and Rademaker, Alexandre and  Rahoman, Mizanur and Rama, Taraka and Ramasamy, Loganathan and Ramisch,  Carlos and Rashel, Fam and Rasooli, Mohammad Sadegh and Ravishankar, Vinit  and Real, Livy and Rebeja, Petru and Reddy, Siva and Regnault, Mathilde and  Rehm, Georg and Riabov, Ivan and Rie{ss}ler, Michael and Rimkut{e}, Erika  and Rinaldi, Larissa and Rituma, Laura and Rizqiyah, Putri and Rocha, Luisa  and R{"o}gnvaldsson, Eir{'i}kur and Romanenko, Mykhailo and Rosa, Rudolf  and Roșca, Valentin and Rovati, Davide and Rozonoyer, Ben and Rudina, Olga  and Rueter, Jack and R{'u}narsson, Kristj{'a}n and Sadde, Shoval and  Safari, Pegah and Sagot, Beno{i}t and Sahala, Aleksi and Saleh, Shadi  and Salomoni, Alessio and Samard{v z}i{'c}, Tanja and Samson, Stephanie and  Sanguinetti, Manuela and Saniyar, Ezgi and S{"a}rg, Dage and  Saulite, Baiba and Sawanakunanon, Yanin and Saxena, Shefali and  Scannell, Kevin and Scarlata, Salvatore and Schneider, Nathan and Schuster,  Sebastian and Schwartz, Lane and Seddah, Djam{'e} and Seeker, Wolfgang and  Seraji, Mojgan and Shahzadi, Syeda and Shen, Mo and Shimada, Atsuko and  Shirasu, Hiroyuki and Shishkina, Yana and Shohibussirri, Muh and Sichinava,  Dmitry and Siewert, Janine and Sigurðsson, Einar Freyr and Silveira, Aline  and Silveira, Natalia and Simi, Maria and Simionescu, Radu and Simk{'o},  Katalin and {S}imkov{'a}, M{'a}ria and Simov, Kiril and Skachedubova,  Maria and Smith, Aaron and Soares-Bastos, Isabela and Sourov, Shafi and  Spadine, Carolyn and Sprugnoli, Rachele and Stamou, Vivian and  Steingr{'i}msson, Stein{h}{'o}r and Stella, Antonio and Straka,  Milan and Strickland, Emmett and Strnadov{'a}, Jana and Suhr, Alane and  Sulestio, Yogi Lesmana and Sulubacak, Umut and Suzuki, Shingo and Swanson,  Daniel and Sz{'a}nt{'o}, Zsolt and Taguchi, Chihiro and Taji, Dima and  Takahashi, Yuta and Tamburini, Fabio and Tan, Mary Ann C. and Tanaka, Takaaki  and Tanaya, Dipta and Tavoni, Mirko and Tella, Samson and Tellier, Isabelle  and Testori, Marinella and Thomas, Guillaume and Tonelli, Sara and Torga,  Liisi and Toska, Marsida and Trosterud, Trond and Trukhina, Anna and  Tsarfaty, Reut and T{"u}rk, Utku and Tyers, Francis and Uematsu, Sumire  and Untilov, Roman and Ure{v s}ov{'a}, Zde{n}ka and Uria, Larraitz and  Uszkoreit, Hans and Utka, Andrius and Vagnoni, Elena and Vajjala, Sowmya and  van der Goot, Rob and Vanhove, Martine and van Niekerk, Daniel and van Noord,  Gertjan and Varga, Viktor and Vedenina, Uliana and Villemonte de la  Clergerie, Eric and Vincze, Veronika and Vlasova, Natalia and Wakasa,  Aya and Wallenberg, Joel C. and Wallin, Lars and Walsh, Abigail and Wang,  Jing Xian and Washington, Jonathan North and Wendt, Maximilan and Widmer,  Paul and Wigderson, Shira and Wijono, Sri Hartati and Williams, Seyi and  Wir{'e}n, Mats and Wittern, Christian and Woldemariam, Tsegay and Wong,  Tak-sum and Wr{'o}blewska, Alina and Yako, Mary and Yamashita, Kayo and  Yamazaki, Naoki and Yan, Chunxiao and Yasuoka, Koichi and Yavrumyan, Marat M.  and Yenice, Arife Bet{"u}l and Yildiz, Olcay Taner and Yu, Zhuoran and  Yuliawati, Arlisa and {Z}abokrtsk{'y}, Zden{v e}k and Zahra, Shorouq and  Zeldes, Amir and Zhou, He and Zhu, Hanzhi and Zhuravleva, Anna and Ziane,  Rayan
 },
 url = {http://hdl.handle.net/11234/1-4758},
 note = { {LINDAT}/{CLARIAH}-{CZ} digital library at the Institute of Formal  and Applied Linguistics ({ {'U}FAL}), Faculty of Mathematics and Physics,  Charles University},
 copyright = {Licence Universal Dependencies v2.10},
 year = {2022}
}

universal_dependencies/af_afribooms (configuração padrão)

  • Descrição da configuração : UD Afrikaans-AfriBooms é uma conversão do AfriBooms Dependency Treebank, originalmente anotado com um conjunto PoS simplificado e relações de dependência de acordo com um subconjunto do conjunto de tags de Stanford. O corpus é constituído por documentos públicos governamentais. O conjunto de dados foi proposto em 'AfriBooms: An Online Treebank for Afrikaans' por Augustinus et al. (2016); https://www.aclweb.org/anthology/L16-1107.pdf

  • Tamanho do download : 2.95 MiB

  • Tamanho do conjunto de dados : 4.02 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 194
'test' 425
'train' 1.315

universal_dependencies/akk_pisandub

  • Descrição da configuração : Um pequeno conjunto de frases de inscrições reais da Babilônia.

  • Tamanho do download : 99.41 KiB

  • Tamanho do conjunto de dados : 126.32 KiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 101

universal_dependencies/akk_riao

  • Descrição da configuração : UD_Akkadian-RIAO é um pequeno treebank que consiste em 22.277 palavras e 1.845 frases. Isso representa um subconjunto intacto de um total de 2.211 frases das primeiras inscrições reais neo-assírias dos séculos X e IX aC. Essas inscrições reais foram extraídas do Oracc (Open Richly Annotated Cuneiform Corpus; http://oracc.museum.upenn.edu/riao/ ), onde todas as inscrições reais neoassírias são lematizadas palavra por palavra. A linguagem do corpus é o padrão babilônico, com assirismos ocasionais, enquanto “acadiano” é o termo genérico para assírio e babilônico. O treebank foi anotado manualmente seguindo as diretrizes de anotação UD.

  • Tamanho do download : 1.87 MiB

  • Tamanho do conjunto de dados : 2.79 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 1.874

universal_dependencies/aqz_tudet

  • Descrição da configuração : UD_Akuntsu-TuDeT é uma coleção de textos anotados em Akuntsú. Juntamente com UD_Tupinamba-TuDeT e UD_Munduruku-TuDeT, UD_Akuntsu-TuDeT faz parte do projeto TuLaR. As sentenças estão sendo anotadas por Carolina Aragon e Fabrício Ferraz Gerardi.

  • Tamanho do download : 67.25 KiB

  • Tamanho do conjunto de dados : 97.39 KiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 243

universal_dependencies/sq_tsa

  • Descrição da configuração : O UD Treebank for Standard Albanian (TSA) é um pequeno treebank que consiste em 60 sentenças correspondentes a 922 tokens. Os dados foram coletados de diferentes entradas da Wikipédia. Este treebank foi criado principalmente manualmente seguindo as diretrizes de Dependências Universais. A lematização foi realizada usando o lematizador https://bitbucket.org/timarkh/uniparser-albanian-grammar/src/master/ desenvolvido pela equipe Albanian National Corpus (Maria Morozova, Alexander Rusakov, Timofey Arkhangelskiy). A marcação e a análise morfológica foram semi-automatizadas por meio de scripts python e corrigidas manualmente, enquanto as relações de dependência foram atribuídas totalmente manualmente. Encorajamos quaisquer iniciativas para aumentar o tamanho e/ou melhorar a qualidade geral do Treebank.

  • Tamanho do download : 62.00 KiB

  • Tamanho do conjunto de dados : 93.65 KiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 60

universal_dependencies/am_att

  • Descrição da configuração : UD_Amharic-ATT é um Treebanks anotado manualmente. É anotado para tag POS, informações morfológicas e relações de dependência. Uma vez que o amárico é um idioma morfologicamente rico, pro-drop e com uma característica de duplicação de clíticos, os clíticos foram segmentados manualmente.

  • Tamanho do download : 995.32 KiB

  • Tamanho do conjunto de dados : 1.33 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 1.074

universal_dependencies/grc_perseus

  • Descrição da configuração : Este Banco de Árvores Grego Antigo de Dependências Universais consiste em uma conversão automática de uma seleção de passagens do Banco de Árvores de Dependência em Grego Antigo e Latim 2.1

  • Tamanho do download : 18.02 MiB

  • Tamanho do conjunto de dados : 24.52 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 1.137
'test' 1.306
'train' 11.476

universal_dependencies/grc_proiel

  • Descrição da configuração : O banco de árvores PROIEL grego antigo é baseado nos dados gregos antigos do banco de árvores PROIEL, que é mantido no Departamento de Filosofia, Clássicos, História das Artes e Ideias da Universidade de Oslo. A conversão é baseada na versão 20180408 do PROIEL treebank disponível em https://github.com/proiel/proiel-treebank/releases Os anotadores originais são reconhecidos nos arquivos disponíveis lá. O código de conversão está disponível no Rubygem proiel-cli, https://github.com/proiel/proiel-cli

  • Tamanho do download : 22.62 MiB

  • Tamanho do conjunto de dados : 30.92 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 1.019
'test' 1.047
'train' 15.014

universal_dependencies/apu_ufpa

  • Descrição da configuração : a versão inicial contém 70 frases anotadas. Este é o primeiro treebank em uma língua da família Arawak. As glosas interlineares originais estão incluídas no banco de árvores e sua conversão em uma anotação UD completa é um processo contínuo. Os valores do sent_id (ex: FernandaM2017:Texto-6-19) são representativos do coletor, ano de publicação, identificador do texto e o número da frase em ordem do texto original.

  • Tamanho do download : 95.51 KiB

  • Tamanho do conjunto de dados : 98.49 KiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 115

universal_dependencies/hbo_ptnk

  • Descrição da configuração : UD Ancient Hebrew PTNK contém partes da Biblia Hebraic Stuttgartensia com anotações morfológicas do ETCBC.

  • Tamanho do download : 3.11 MiB

  • Tamanho do conjunto de dados : 4.28 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 439
'test' 410
'train' 730

universal_dependencies/ar_nyuad

  • Descrição da configuração : O treebank consiste em 19.738 sentenças (738.889 tokens) e seu domínio é principalmente de notícias. A anotação é licenciada sob os termos do CC BY-SA 4.0, e o PATB original pode ser obtido no site oficial do LDC.

  • Tamanho do download : 55.87 MiB

  • Tamanho do conjunto de dados : 78.33 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 1.986
'test' 1.963
'train' 15.789

universal_dependencies/ar_padt

  • Descrição da configuração : O treebank UD do Arabic-PADT é baseado no Prague Arabic Dependency Treebank (PADT), criado na Charles University em Praga.

  • Tamanho do download : 48.84 MiB

  • Tamanho do conjunto de dados : 64.42 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 909
'test' 680
'train' 6.075

universal_dependencies/ar_pud

  • Descrição da configuração : Esta é uma parte dos treebanks Parallel Universal Dependencies (PUD) criados para a tarefa compartilhada CoNLL 2017 na análise multilíngue de texto bruto para dependências universais.

  • Tamanho do download : 1.98 MiB

  • Tamanho do conjunto de dados : 2.34 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 1.000

universal_dependencies/aii_as

  • Descrição da configuração : O Uppsala Assyrian Treebank é um pequeno treebank para o Modern Standard Assyrian. O corpus é coletado e anotado manualmente. Os dados foram coletados aleatoriamente de diferentes livros didáticos e uma tradução curta de O Mercador de Veneza.

  • Tamanho do download : 31.99 KiB

  • Tamanho do conjunto de dados : 48.85 KiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 57

universal_dependencies/bm_crb

  • Descrição da configuração : O treebank UD Bambara é uma seção do Corpus Référence du Bambara anotada nativamente com Dependências Universais.

  • Tamanho do download : 873.37 KiB

  • Tamanho do conjunto de dados : 1.25 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 1.026

universal_dependencies/eu_bdt

  • Descrição da configuração : O treebank basco UD é baseado em uma conversão automática de parte do Basque Dependency Treebank (BDT), criado na Universidade do País Basco pelo grupo de pesquisa IXA NLP. O treebank é composto por 8.993 frases (121.443 tokens) e abrange principalmente textos literários e jornalísticos.

  • Tamanho do download : 7.83 MiB

  • Tamanho do conjunto de dados : 11.74 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 1.798
'test' 1.799
'train' 5.396

universal_dependencies/bej_nsc

  • Descrição da configuração : Um corpus de Dependências Universais para Beja, ramo norte-cushítico do filo afro-asiático falado principalmente no Sudão, Egito e Eritreia.

  • Tamanho do download : 136.52 KiB

  • Tamanho do conjunto de dados : 168.15 KiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 56

universal_dependencies/be_hse

  • Descrição da configuração : O treebank UD bielorrusso é baseado em uma amostra dos textos de notícias incluídos no subcorpus paralelo bielorrusso-russo do Corpus Nacional Russo, pesquisa online disponível em: http://ruscorpora.ru/search-para-be.html

  • Tamanho do download : 30.04 MiB

  • Tamanho do conjunto de dados : 39.88 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 1.301
'test' 1.077
'train' 22.853

dependências_universais/bn_bru

  • Descrição da configuração : O treebank BRU Bengali foi criado na Begum Rokeya University, Rangpur, pelos membros do Semantics Lab.

  • Tamanho do download : 38.41 KiB

  • Tamanho do conjunto de dados : 51.42 KiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 56

universal_dependencies/bho_bhtb

  • Descrição da configuração : O Bhojpuri UD Treebank (BHTB) v2.6 consiste em 6.664 tokens (357 sentenças). Este Treebank faz parte do projeto treebank Universal Dependency. Inicialmente, foi iniciado por mim (Atul) na Jawaharlal Nehru University, Nova Delhi, durante o trabalho de pesquisa de doutorado. Os dados BHTB contêm anotação sintática de acordo com o esquema de dependência-constituinte, bem como tags morfológicas e lemas. Nestes dados, XPOS é anotado de acordo com o conjunto de tags POS (Part Of Speech) do Bureau of Indian Standards (BIS).

  • Tamanho do download : 599.76 KiB

  • Tamanho do conjunto de dados : 817.23 KiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 357

universal_dependencies/br_keb

  • Descrição da configuração : UD Breton-KEB é um treebank de Breton que foi anotado manualmente de acordo com as diretrizes de Dependências Universais. As diretrizes de tokenização e anotação morfológica vêm de um analisador morfológico de estado finito de Breton lançado como parte do projeto Apertium.

  • Tamanho do download : 663.63 KiB

  • Tamanho do conjunto de dados : 863.36 KiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 888

universal_dependencies/bg_btb

  • Descrição da configuração : UD_Bulgarian-BTB é baseado no BulTreeBank baseado em HPSG, criado no Instituto de Tecnologias de Informação e Comunicação da Academia de Ciências da Bulgária. O original consiste em 215.000 tokens (mais de 15.000 sentenças).

  • Tamanho do download : 14.22 MiB

  • Tamanho do conjunto de dados : 20.01 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 1.115
'test' 1.116
'train' 8.907

universal_dependencies/bxr_bdt

  • Descrição da configuração : O treebank UD Buryat foi anotado manualmente de forma nativa no UD e contém frases de livros de gramática, junto com notícias e alguma ficção.

  • Tamanho do download : 710.23 KiB

  • Tamanho do conjunto de dados : 1018.12 KiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 908
'train' 19

universal_dependencies/yue_hk

  • Descrição da configuração : Um treebank cantonês (em caracteres chineses tradicionais) de legendas de filmes e processos legislativos de Hong Kong, paralelo ao treebank chinês-HK.

  • Tamanho do download : 693.38 KiB

  • Tamanho do conjunto de dados : 1.04 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 1.004

universal_dependencies/ca_ancora

  • Descrição da configuração : dados catalães do corpus AnCora.

  • Tamanho do download : 48.14 MiB

  • Tamanho do conjunto de dados : 64.03 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 1.709
'test' 1.846
'train' 13.123

universal_dependencies/ceb_gja

  • Descrição da configuração : UD_Cebuano_GJA é uma coleção de sentenças de amostra Cebuano anotadas, retiradas aleatoriamente de três fontes diferentes: amostras fornecidas pela comunidade do site Tatoeba, um livro de gramática Cebuano de Bunye & Yap (1971) e a gramática de referência de Tanangkinsing em Cebuano (2011). Este projeto está atualmente em andamento.

  • Tamanho do download : 99.30 KiB

  • Tamanho do conjunto de dados : 136.74 KiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 188

universal_dependencies/zh_cfl

  • Descrição da configuração : O treebank chinês-CFL UD é anotado manualmente por Keying Li com pequenas revisões manuais por Herman Leung e John Lee na City University de Hong Kong, com base em ensaios escritos por alunos de chinês mandarim como língua estrangeira. Os dados estão em chinês simplificado.

  • Tamanho do download : 375.71 KiB

  • Tamanho do conjunto de dados : 558.45 KiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 451

universal_dependencies/zh_gsd

  • Descrição da configuração : Dependências universais chinesas tradicionais Treebank anotadas e convertidas pelo Google.

  • Tamanho do download : 6.48 MiB

  • Tamanho do conjunto de dados : 8.88 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 500
'test' 500
'train' 3.997

universal_dependencies/zh_gsdsimp

  • Descrição da configuração : Conjunto de dados de Dependências Universais em Chinês Simplificado convertido do conjunto de dados GSD (tradicional) com correções manuais.

  • Tamanho do download : 6.48 MiB

  • Tamanho do conjunto de dados : 8.88 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 500
'test' 500
'train' 3.997

universal_dependencies/zh_hk

  • Descrição da configuração : Um treebank tradicional chinês de legendas de filmes e de processos legislativos de Hong Kong, paralelo com o treebank cantonês-HK.

  • Tamanho do download : 482.85 KiB

  • Tamanho do conjunto de dados : 779.66 KiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 1.004

universal_dependencies/zh_pud

  • Descrição da configuração : Esta é uma parte dos treebanks Parallel Universal Dependencies (PUD) criados para a tarefa compartilhada CoNLL 2017 na análise multilíngue de texto bruto para dependências universais.

  • Tamanho do download : 1.53 MiB

  • Tamanho do conjunto de dados : 1.95 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 1.000

universal_dependencies/ckt_hse

  • Descrição da configuração : esses dados são uma anotação manual do corpus do corpus anotado multimídia do projeto Chuklang, um corpus dialetal da variante Amguema de Chukchi.

  • Tamanho do download : 793.16 KiB

  • Tamanho do conjunto de dados : 828.50 KiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 1.004

universal_dependencies/lzh_kyoto

  • Descrição da configuração : Dependências universais chinesas clássicas Treebank anotadas e convertidas pelo Instituto de Pesquisa em Humanidades, Universidade de Kyoto.

  • Tamanho do download : 26.86 MiB

  • Tamanho do conjunto de dados : 39.40 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 5.687
'test' 4.932
'train' 48.569

universal_dependencies/cop_scriptorium

  • Descrição da configuração : UD Coptic contém textos coptas Sahidic anotados manualmente, incluindo textos bíblicos, sermões, cartas e hagiografia.

  • Tamanho do download : 4.73 MiB

  • Tamanho do conjunto de dados : 6.12 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 381
'test' 403
'train' 1.227

universal_dependencies/hr_set

  • Descrição da configuração : O treebank UD croata é baseado na extensão do corpus SETimes-HR, o corpus hr500k.

  • Tamanho do download : 14.41 MiB

  • Tamanho do conjunto de dados : 20.43 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 960
'test' 1.136
'train' 6.914

universal_dependencies/cs_cac

  • Descrição da configuração : O treebank UD_Czech-CAC é baseado no Czech Academic Corpus 2.0 (CAC; Český akademický korpus; ČAK), criado na Charles University em Praga.

  • Tamanho do download : 53.72 MiB

  • Tamanho do conjunto de dados : 73.74 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 603
'test' 628
'train' 23.478

universal_dependencies/cs_cltt

  • Descrição da configuração : O treebank UD_Czech-CLTT é baseado no Czech Legal Text Treebank 1.0, criado na Charles University em Praga.

  • Tamanho do download : 3.57 MiB

  • Tamanho do conjunto de dados : 4.73 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 129
'test' 136
'train' 860

universal_dependencies/cs_fictree

  • Descrição da configuração : FicTree é um treebank de ficção tcheca, automaticamente convertido para o formato UD. O treebank foi construído na Charles University em Praga.

  • Tamanho do download : 16.65 MiB

  • Tamanho do conjunto de dados : 23.29 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 1.309
'test' 1.291
'train' 10.160

universal_dependencies/cs_pdt

  • Descrição da configuração : O treebank Czech-PDT UD é baseado no Prague Dependency Treebank 3.0 (PDT), criado na Charles University em Praga.

  • Tamanho do download : 164.29 MiB

  • Tamanho do conjunto de dados : 224.30 MiB

  • Armazenado em cache automaticamente ( documentação ): Sim (dev, teste), somente quando shuffle_files=False (train)

  • Divisões :

Dividir Exemplos
'dev' 9.270
'test' 10.148
'train' 68.495

universal_dependencies/cs_pud

  • Descrição da configuração : Esta é uma parte dos treebanks Parallel Universal Dependencies (PUD) criados para a tarefa compartilhada CoNLL 2017 na análise multilíngue de texto bruto para dependências universais.

  • Tamanho do download : 2.14 MiB

  • Tamanho do conjunto de dados : 2.76 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 1.000

universal_dependencies/da_ddt

  • Descrição da configuração : O treebank UD dinamarquês é uma conversão do Treebank de dependência dinamarquês.

  • Tamanho do download : 6.13 MiB

  • Tamanho do conjunto de dados : 9.15 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 564
'test' 565
'train' 4.383

universal_dependencies/nl_alpino

  • Descrição da configuração : Este corpus consiste em amostras de vários bancos de árvores anotados na Universidade de Groningen usando as ferramentas e diretrizes de anotação Alpino.

  • Tamanho do download : 15.98 MiB

  • Tamanho do conjunto de dados : 21.03 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 718
'test' 596
'train' 12.289

universal_dependencies/nl_lassysmall

  • Descrição da configuração : este corpus contém frases da seção Wikipedia do Lassy Small Treebank. A anotação de Dependência Universal foi gerada automaticamente a partir da anotação original em Lassy.

  • Tamanho do download : 7.61 MiB

  • Tamanho do conjunto de dados : 9.86 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 676
'test' 876
'train' 5.789

universal_dependencies/en_esl

  • Descrição da configuração : UD English-ESL / Treebank of Learner English (TLE) contém tags POS manuais e anotações de dependência para 5.124 frases de inglês como segunda língua (ESL) extraídas do conjunto de dados Cambridge Learner Corpus First Certificate in English (FCE).

  • Tamanho do download : 3.20 MiB

  • Tamanho do conjunto de dados : 4.72 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 500
'test' 500
'train' 4.124

universal_dependencies/en_ewt

  • Descrição da configuração : Um Corpus de Dependências Universais Padrão Ouro para inglês, construído sobre o material de origem do Treebank da Web em inglês LDC2012T13 ( https://catalog.ldc.upenn.edu/LDC2012T13 ).

  • Tamanho do download : 16.37 MiB

  • Tamanho do conjunto de dados : 23.60 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 2.001
'test' 2.077
'train' 12.543

universal_dependencies/en_gum

  • Descrição da configuração : anotações de sintaxe de Dependências Universais do corpus GUM ( https://corpling.uis.georgetown.edu/gum/ ).

  • Tamanho do download : 13.81 MiB

  • Tamanho do conjunto de dados : 18.21 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 1.117
'test' 1.096
'train' 6.917

universal_dependencies/en_gumreddit

  • Descrição da configuração : anotações de sintaxe de dependências universais da parte do Reddit do corpus GUM ( https://corpling.uis.georgetown.edu/gum/ )

  • Tamanho do download : 1.47 MiB

  • Tamanho do conjunto de dados : 2.06 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 104
'test' 105
'train' 686

universal_dependencies/en_lines

  • Descrição da configuração : UD English_LinES é a metade em inglês do LinES Parallel Treebank com a anotação de dependência original primeiro convertida automaticamente em dependências universais e depois parcialmente revisada. O seu conteúdo abrange literatura, um manual online e dados do Europarl.

  • Tamanho do download : 5.27 MiB

  • Tamanho do conjunto de dados : 7.54 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 1.032
'test' 1.035
'train' 3.176

universal_dependencies/en_atis

  • Descrição da configuração : UD Atis Treebank é um treebank anotado manualmente que consiste nas sentenças do conjunto de dados Atis (Airline Travel Information) que inclui as transcrições de fala humana de pessoas solicitando informações de voo nos sistemas de consulta automatizados.

  • Tamanho do download : 3.06 MiB

  • Tamanho do conjunto de dados : 4.76 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 572
'test' 586
'train' 4.274

universal_dependencies/en_partut

  • Descrição da configuração : UD_English-ParTUT é uma conversão de um treebank paralelo multilíngue desenvolvido na Universidade de Turim e que consiste em uma variedade de gêneros de texto, incluindo palestras, textos jurídicos e artigos da Wikipedia, entre outros.

  • Tamanho do download : 2.59 MiB

  • Tamanho do conjunto de dados : 3.65 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 156
'test' 153
'train' 1.781

universal_dependencies/en_pronouns

  • Descrição da configuração : UD English-Pronouns é um conjunto de dados criado para tornar a identificação do pronome mais precisa e com uma distribuição mais equilibrada entre os gêneros. O conjunto de dados visa inicialmente os pronomes genitivos independentes, 'hers', (independente) 'his', (singular) 'theirs', 'mine' e (singular) 'yours'.

  • Tamanho do download : 138.08 KiB

  • Tamanho do conjunto de dados : 186.09 KiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 285

universal_dependencies/en_pud

  • Descrição da configuração : esta é a parte em inglês dos treebanks Parallel Universal Dependencies (PUD) criados para a tarefa compartilhada CoNLL 2017 na análise multilíngue de texto bruto para dependências universais ( http://universaldependencies.org/conll17/ ).

  • Tamanho do download : 1.28 MiB

  • Tamanho do conjunto de dados : 1.82 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 1.000

universal_dependencies/myv_jr

  • Descrição da configuração : UD Erzya é a anotação original (CoNLL-U) para textos no idioma Erzya, originalmente consiste em uma amostra de vários autores de ficção que escrevem originais em Erzya.

  • Tamanho do download : 1.88 MiB

  • Tamanho do conjunto de dados : 2.47 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 1.714

universal_dependencies/et_edt

  • Descrição da configuração : UD Estonian é uma versão convertida do Estonian Dependency Treebank (EDT), originalmente anotado no esquema de anotação Constraint Grammar (CG), e consiste em gêneros de ficção, textos de jornais e textos científicos. O treebank contém 30.972 árvores, 437.769 tokens.

  • Tamanho do download : 31.09 MiB

  • Tamanho do conjunto de dados : 45.98 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 3.127
'test' 3.214
'train' 24.632

universal_dependencies/et_ewt

  • Descrição da configuração : O treebank UD EWT consiste em diferentes gêneros de novas mídias. O treebank contém 4.493 árvores, 56.399 tokens.

  • Tamanho do download : 5.35 MiB

  • Tamanho do conjunto de dados : 8.06 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 833
'test' 913
'train' 4.579

universal_dependencies/fo_farpahc

  • Descrição da configuração : UD_Icelandic-FarPaHC é uma conversão do Faroese Parsed Historical Corpus (FarPaHC) para o esquema Universal Dependencies. A conversão foi feita usando UDConverter.

  • Tamanho do download : 2.09 MiB

  • Tamanho do conjunto de dados : 2.84 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 300
'test' 301
'train' 1.020

universal_dependencies/fo_oft

  • Descrição da configuração : Este é um banco de árvores do faroês baseado na Wikipedia do feroês.

  • Tamanho do download : 783.86 KiB

  • Tamanho do conjunto de dados : 1.07 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 1.208

universal_dependencies/fi_ftb

  • Descrição da configuração : FinnTreeBank 1 consiste em exemplos gramaticais anotados manualmente do VISK. A versão UD do FinnTreeBank 1 foi convertida de um modelo de anotação nativo com um script e posteriormente revisada manualmente.

  • Tamanho do download : 12.52 MiB

  • Tamanho do conjunto de dados : 18.45 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 1.875
'test' 1.867
'train' 14.981

universal_dependencies/fi_ood

  • Descrição da configuração : Finlandês-OOD é um teste externo fora do domínio definido para Finlandês-TDT anotado nativamente no esquema UD.

  • Tamanho do download : 1.40 MiB

  • Tamanho do conjunto de dados : 2.11 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 2.122

universal_dependencies/fi_pud

  • Descrição da configuração : Esta é uma parte dos treebanks Parallel Universal Dependencies (PUD) criados para a tarefa compartilhada CoNLL 2017 na análise multilíngue de texto bruto para dependências universais.

  • Tamanho do download : 1.34 MiB

  • Tamanho do conjunto de dados : 1.80 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 1.000

universal_dependencies/fi_tdt

  • Descrição da configuração : UD_Finnish-TDT é baseado no Turku Dependency Treebank (TDT), um treebank de dependência de cobertura ampla do finlandês geral que cobre vários gêneros. A conversão para UD foi seguida de extensas verificações e correções manuais, e o treebank segue rigorosamente as diretrizes de UD.

  • Tamanho do download : 15.84 MiB

  • Tamanho do conjunto de dados : 23.17 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 1.364
'test' 1.555
'train' 12.217

universal_dependencies/fr_fqb

  • Descrição da configuração : O corpus UD_French-FQB é uma conversão automática do French QuestionBank v1, um corpus inteiramente feito de perguntas.

  • Tamanho do download : 1.47 MiB

  • Tamanho do conjunto de dados : 2.32 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 2.289

universal_dependencies/fr_ftb

  • Descrição da configuração : A versão Universal Dependency do French Treebank (Abeillé et al., 2003), doravante UD_French-FTB, é um treebank de frases do jornal Le Monde, inicialmente anotado manualmente com informações morfológicas e estrutura de frase e depois convertido para o esquema de anotação de Dependências Universais.

  • Tamanho do download : 29.49 MiB

  • Tamanho do conjunto de dados : 44.93 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 1.235
'test' 2.541
'train' 14.759

universal_dependencies/fr_gsd

  • Descrição da configuração : O UD_French-GSD foi convertido em 2015 da versão principal do conteúdo do treebank de dependência universal v2.0 ( https://github.com/ryanmcd/uni-dep-tb ). É atualizado desde 2015 independentemente da fonte anterior.

  • Tamanho do download : 24.38 MiB

  • Tamanho do conjunto de dados : 35.77 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 1.476
'test' 416
'train' 14.449

universal_dependencies/fr_partut

  • Descrição da configuração : UD_French-ParTUT é uma conversão de um treebank paralelo multilíngue desenvolvido na Universidade de Torino e que consiste em uma variedade de gêneros de texto, incluindo palestras, textos jurídicos e artigos da Wikipedia, entre outros.

  • Tamanho do download : 1.74 MiB

  • Tamanho do conjunto de dados : 2.44 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 107
'test' 110
'train' 803

universal_dependencies/fr_rhapsodie

  • Descrição da configuração : Um corpus de dependências universais para o francês falado.

  • Tamanho do download : 3.00 MiB

  • Tamanho do conjunto de dados : 4.10 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 1.082
'test' 840
'train' 1.288

universal_dependencies/fr_parisstories

  • Config description : Paris Stories é um corpus de francês oral coletado e transcrito por alunos de Linguística da Sorbonne Nouvelle e corrigido por alunos do Mestrado Plurital de Linguística Computacional (Inalco, Paris Nanterre, Sorbonne Nouvelle) entre 2017 e 2021. Contém monólogos e diálogos de falantes que vivem na região parisiense.

  • Tamanho do download : 1.97 MiB

  • Tamanho do conjunto de dados : 2.70 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 547
'train' 1.216

universal_dependencies/fr_pud

  • Descrição da configuração : Esta é uma parte dos treebanks Parallel Universal Dependencies (PUD) criados para a tarefa compartilhada CoNLL 2017 na análise multilíngue de texto bruto para dependências universais.

  • Tamanho do download : 1.71 MiB

  • Tamanho do conjunto de dados : 2.24 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 1.000

universal_dependencies/fr_sequoia

  • Descrição da configuração : UD_French-Sequoia é uma conversão automática do corpus Sequoia Treebank corpus French Sequoia.

  • Tamanho do download : 4.21 MiB

  • Tamanho do conjunto de dados : 6.18 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 412
'test' 456
'train' 2.231

universal_dependencies/gl_ctg

  • Descrição da configuração : O treebank UD galego é baseado na análise automática do Corpus Técnico Galego ( http://sli.uvigo.gal/CTG ) criado na Universidade de Vigo pelo grupo de pesquisa TALG NLP.

  • Tamanho do download : 7.85 MiB

  • Tamanho do conjunto de dados : 10.81 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 860
'test' 861
'train' 2.272

universal_dependencies/gl_treegal

  • Descrição do config : O Galician-TreeGal é um treebank para galego desenvolvido no LyS Group (Universidade da Coruña).

  • Tamanho do download : 1.66 MiB

  • Tamanho do conjunto de dados : 2.35 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 400
'train' 600

universal_dependencies/de_gsd

  • Descrição da configuração : O UD alemão é convertido da versão principal do conteúdo do treebank de dependência universal v2.0 (legado).

  • Tamanho do download : 20.69 MiB

  • Tamanho do conjunto de dados : 29.60 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 799
'test' 977
'train' 13.814

universal_dependencies/de_hdt

  • Descrição da configuração : UD German-HDT é uma conversão do Hamburg Dependency Treebank, criado na Universidade de Hamburgo por meio de anotação manual em conjunto com um padrão para anotar sentenças morfológica e sintaticamente, bem como um analisador baseado em restrições.

  • Tamanho do download : 242.97 MiB

  • Tamanho do conjunto de dados : 347.93 MiB

  • Armazenado em cache automaticamente ( documentação ): Não

  • Divisões :

Dividir Exemplos
'dev' 18.434
'test' 18.459
'train' 153.035

universal_dependencies/de_lit

  • Descrição do config : Este treebank tem como objetivo reunir textos da história literária alemã. Atualmente, abriga Fragmentos do Romantismo inicial, ou seja, textos em forma de aforismo que tratam principalmente de questões filosóficas sobre arte, beleza e temas relacionados.

  • Tamanho do download : 1.97 MiB

  • Tamanho do conjunto de dados : 2.49 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 1.922

universal_dependencies/de_pud

  • Descrição da configuração : Esta é uma parte dos treebanks Parallel Universal Dependencies (PUD) criados para a tarefa compartilhada CoNLL 2017 na análise multilíngue de texto bruto para dependências universais.

  • Tamanho do download : 1.65 MiB

  • Tamanho do conjunto de dados : 2.20 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 1.000

universal_dependencies/got_proiel

  • Descrição da configuração : O treebank UD Gothic é baseado nos dados góticos do treebank PROIEL e consiste na tradução da Bíblia de Wulfila.

  • Tamanho do download : 4.98 MiB

  • Tamanho do conjunto de dados : 7.17 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 985
'test' 1.029
'train' 3.387

universal_dependencies/el_gdt

  • Descrição da configuração : O treebank grego UD (UD_Greek-GDT) é derivado do Greek Dependency Treebank ( http://gdt.ilsp.gr ), um recurso desenvolvido e mantido por pesquisadores do Institute for Language and Speech Processing/Athena RC ( http://www.ilsp.gr ).

  • Tamanho do download : 5.52 MiB

  • Tamanho do conjunto de dados : 7.49 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 403
'test' 456
'train' 1.662

universal_dependencies/gub_tudet

  • Descrição da configuração : UD_Guajajara-TuDeT é uma coleção de frases anotadas em Guajajara. As frases provêm de várias fontes, como descrições do idioma, contos, dicionários e traduções do Novo Testamento. Anotação e documentação de sentenças de Lorena Martín Rodríguez e Fabrício Ferraz Gerardi.

  • Tamanho do download : 683.38 KiB

  • Tamanho do conjunto de dados : 738.09 KiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 1.126

universal_dependencies/gn_oldtudet

  • Descrição da configuração : UD_Guarani-OldTuDeT é uma coleção de textos anotados em guarani antigo. Todas as fontes conhecidas nesta língua estão sendo anotadas: catesismos, gramáticas (séculos XVII e XVIII), frases de dicionários e outros textos. Anotação e documentação de sentenças de Fabrício Ferraz Gerardi e Lorena Martín Rodríguez.

  • Tamanho do download : 18.93 KiB

  • Tamanho do conjunto de dados : 24.71 KiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 59

universal_dependencies/he_htb

  • Descrição da configuração : Um Corpus de Dependências Universais para Hebraico.

  • Tamanho do download : 11.64 MiB

  • Tamanho do conjunto de dados : 16.10 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 484
'test' 491
'train' 5.241

universal_dependencies/he_iahltwiki

  • Descrição da configuração : Subconjunto publicamente disponível da seção Wikipedia do IAHLT UD Hebrew Treebank ( https://www.iahlt.org/ )

  • Tamanho do download : 10.30 MiB

  • Tamanho do conjunto de dados : 14.16 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 348
'test' 393
'train' 4.298

universal_dependencies/qfn_fame

  • Descrição da configuração : UD_Frisian_Dutch-Fame é uma seleção de 400 frases do FAME! corpus de fala de Yilmaz et al. (2016a, 2016b). O treebank é anotado manualmente usando o esquema UD.

  • Tamanho do download : 232.57 KiB

  • Tamanho do conjunto de dados : 290.88 KiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 400

universal_dependencies/qhe_hiencs

  • Descrição da configuração : O treebank de troca de código hindi-inglês é baseado em tweets de troca de código de falantes multilíngues de hindi e inglês (principalmente indianos) no Twitter. O treebank é anotado manualmente usando o esquema UD. Os conjuntos de treinamento e avaliação foram anotados separadamente por diferentes anotadores usando as diretrizes UD v2 e v1, respectivamente. Os conjuntos de avaliação são convertidos automaticamente de UD v1 para v2.

  • Tamanho do download : 893.15 KiB

  • Tamanho do conjunto de dados : 1.53 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 225
'test' 225
'train' 1.448

universal_dependencies/hi_hdtb

  • Descrição da configuração : O treebank Hindi UD é baseado no Hindi Dependency Treebank (HDTB), criado em IIIT Hyderabad, Índia.

  • Tamanho do download : 49.18 MiB

  • Tamanho do conjunto de dados : 68.06 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 1.659
'test' 1.684
'train' 13.304

universal_dependencies/hi_pud

  • Descrição da configuração : Esta é uma parte dos treebanks Parallel Universal Dependencies (PUD) criados para a tarefa compartilhada CoNLL 2017 na análise multilíngue de texto bruto para dependências universais.

  • Tamanho do download : 2.20 MiB

  • Tamanho do conjunto de dados : 2.82 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 1.000

universal_dependencies/hu_szeged

  • Descrição da configuração : O treebank UD húngaro é derivado do Treebank de dependência Szeged (Vincze et al. 2010).

  • Tamanho do download : 2.92 MiB

  • Tamanho do conjunto de dados : 4.20 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 441
'test' 449
'train' 910

universal_dependencies/is_modern

  • Descrição da configuração : UD_Icelandic-Modern é uma conversão das adições modernas ao Corpus Histórico Islandês Analisado (IcePaHC) para o esquema de Dependências Universais.

  • Tamanho do download : 9.02 MiB

  • Tamanho do conjunto de dados : 12.32 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 784
'test' 768
'train' 5.376

universal_dependencies/is_icepahc

  • Descrição da configuração : UD_Icelandic-IcePaHC é uma conversão do islandês parsed Historical Corpus (IcePaHC) para o esquema de dependências universais. A conversão foi feita usando UDConverter.

  • Tamanho do download : 81.16 MiB

  • Tamanho do conjunto de dados : 112.07 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 4.865
'test' 5.157
'train' 34.007

universal_dependencies/is_pud

  • Descrição da configuração : Icelandic-PUD é a parte islandesa dos treebanks de Dependências Universais Paralelas (PUD).

  • Tamanho do download : 1.45 MiB

  • Tamanho do conjunto de dados : 1.89 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 1.000

universal_dependencies/id_csui

  • Descrição da configuração : UD Indonesian-CSUI é uma conversão de um treebank de constituinte indonésio no formato Penn Treebank chamado Kethu que também foi uma conversão de um treebank de constituinte construído por Dinakaramani et al. (2015). Chamamos este treebank de Indonesian-CSUI, já que todas as três versões dos treebanks foram construídas na Faculdade de Ciência da Computação, Universitas Indonesia.

  • Tamanho do download : 1.62 MiB

  • Tamanho do conjunto de dados : 1.97 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 374
'train' 656

universal_dependencies/id_gsd

  • Descrição da configuração : O UD indonésio é convertido da versão principal do conteúdo do treebank de dependência universal v2.0 (legado).

  • Tamanho do download : 9.15 MiB

  • Tamanho do conjunto de dados : 11.25 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 559
'test' 557
'train' 4.482

universal_dependencies/id_pud

  • Descrição da configuração : Esta é uma parte dos treebanks Parallel Universal Dependencies (PUD) criados para a tarefa compartilhada CoNLL 2017 na análise multilíngue de texto bruto para dependências universais.

  • Tamanho do download : 1.10 MiB

  • Tamanho do conjunto de dados : 1.44 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 1.000

universal_dependencies/ga_idt

  • Descrição da configuração : Um treebank de 4910 frases para dependências universais para o irlandês moderno.

  • Tamanho do download : 7.62 MiB

  • Tamanho do conjunto de dados : 10.77 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 451
'test' 454
'train' 4.005

universal_dependencies/ga_twittirish

  • Descrição da configuração : Um treebank de Dependências Universais de 866 tweets em irlandês moderno.

  • Tamanho do download : 782.30 KiB

  • Tamanho do conjunto de dados : 1.13 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 866

universal_dependencies/it_isdt

  • Descrição da configuração : O corpus italiano anotado de acordo com o esquema de anotação UD foi obtido por conversão do ISDT (Italian Stanford Dependency Treebank), liberado para a tarefa compartilhada de análise de dependência de Evalita-2014 (Bosco et al. 2014).

  • Tamanho do download : 20.03 MiB

  • Tamanho do conjunto de dados : 29.18 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 564
'test' 482
'train' 13.121

universal_dependencies/it_partut

  • Descrição da configuração : UD_Italian-ParTUT é uma conversão de um treebank paralelo multilíngue desenvolvido na Universidade de Turim e que consiste em uma variedade de gêneros de texto, incluindo palestras, textos jurídicos e artigos da Wikipedia, entre outros.

  • Tamanho do download : 3.42 MiB

  • Tamanho do conjunto de dados : 4.83 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 156
'test' 153
'train' 1.781

universal_dependencies/it_postwita

  • Descrição da configuração : PoSTWITA-UD é uma coleção de tweets italianos anotados em dependências universais que podem ser exploradas para o treinamento de sistemas de PNL para melhorar seu desempenho em textos de mídia social.

  • Tamanho do download : 7.27 MiB

  • Dataset size : 10.47 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 670
'test' 674
'train' 5,368

universal_dependencies/it_markit

  • Config description : It is MarkIT That is New: An Italian Treebank of Marked Constructions. Teresa Paccosi, Alessio Palmero Aprosio and Sara Tonelli, To appear in Proceedings of the Eighth Italian Conference on Computational Linguistics 2022 (CLIC-it 2021)

  • Download size : 2.48 MiB

  • Dataset size : 3.44 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 341
'test' 341
'train' 613

universal_dependencies/it_valico

  • Config description : Manually corrected Treebank of Learner Italian drawn from the Valico corpus and correspondent corrected sentences.

  • Download size : 520.45 KiB

  • Dataset size : 657.38 KiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 398

universal_dependencies/it_pud

  • Config description : This is a part of the Parallel Universal Dependencies (PUD) treebanks created for the CoNLL 2017 shared task on Multilingual Parsing from Raw Text to Universal Dependencies.

  • Download size : 1.56 MiB

  • Dataset size : 2.05 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 1.000

universal_dependencies/it_twittiro

  • Config description : TWITTIRÒ-UD is a collection of ironic Italian tweets annotated in Universal Dependencies. The treebank can be exploited for the training of NLP systems to enhance their performance on social media texts, and in particular, for irony detection purposes.

  • Download size : 1.81 MiB

  • Dataset size : 2.51 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 144
'test' 142
'train' 1,138

universal_dependencies/it_vit

  • Config description : The UD_Italian-VIT corpus was obtained by conversion from VIT (Venice Italian Treebank), developed at the Laboratory of Computational Linguistics of the Università Ca' Foscari in Venice (Delmonte et al. 2007; Delmonte 2009; http://rondelmo.it/resource/VIT/Browser-VIT/index.htm ).

  • Download size : 16.77 MiB

  • Dataset size : 23.72 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 743
'test' 1,067
'train' 8,277

universal_dependencies/ja_pudluw

  • Config description : This is a part of the Parallel Universal Dependencies (PUD) treebanks created for the CoNLL 2017 shared task on Multilingual Parsing from Raw Text to Universal Dependencies.

  • Download size : 4.37 MiB

  • Dataset size : 5.11 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 1.000

universal_dependencies/ja_bccwjluw

  • Config description : This Universal Dependencies (UD) Japanese treebank is based on the definition of UD Japanese convention described in the UD documentation. The original sentences are from `Balanced Corpus of Contemporary Written Japanese'(BCCWJ).

  • Download size : 59.20 MiB

  • Dataset size : 100.36 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 8,427
'test' 7,881
'train' 40,801

universal_dependencies/ja_gsdluw

  • Config description : This Universal Dependencies (UD) Japanese treebank is based on the definition of UD Japanese convention described in the UD documentation. The original sentences are from Google UDT 2.0.

  • Download size : 28.31 MiB

  • Dataset size : 33.97 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 507
'test' 543
'train' 7,050

universal_dependencies/ja_bccwj

  • Config description : This Universal Dependencies (UD) Japanese treebank is based on the definition of UD Japanese convention described in the UD documentation. The original sentences are from `Balanced Corpus of Contemporary Written Japanese'(BCCWJ).

  • Download size : 93.05 MiB

  • Dataset size : 157.62 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 8,427
'test' 7,881
'train' 40,801

universal_dependencies/ja_gsd

  • Config description : This Universal Dependencies (UD) Japanese treebank is based on the definition of UD Japanese convention described in the UD documentation. The original sentences are from Google UDT 2.0.

  • Download size : 43.21 MiB

  • Dataset size : 52.59 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 507
'test' 543
'train' 7,050

universal_dependencies/ja_modern

  • Config description : This Universal Dependencies (UD) Japanese treebank is based on the definition of UD Japanese convention described in the UD documentation. The original sentences are from `Corpus of Historical Japanese' (CHJ).

  • Download size : 2.06 MiB

  • Dataset size : 2.70 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 822

universal_dependencies/ja_pud

Dividir Exemplos
'test' 1.000

universal_dependencies/jv_csui

  • Config description : UD Javanese-CSUI is a dependency treebank in Javanese, a regional language in Indonesia with more than 60 million users. The original sentences were taken from OPUS, especially from the WikiMatrix v1 corpus. We revised the sentences that contained more Indonesian words than Javanese words and manually annotated them.

  • Download size : 141.40 KiB

  • Dataset size : 171.69 KiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 125

universal_dependencies/urb_tudet

  • Config description : UD_Kaapor-TuDeT is a collection of annotated sentences in Ka'apor. The project is a work in progress and the treebank is being updated on a regular basis.

  • Download size : 24.74 KiB

  • Dataset size : 33.60 KiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 83

universal_dependencies/xnr_kdtb

  • Config description : The Kangri UD Treebank (KDTB) is a part of the Universal Dependency treebank project.

  • Download size : 132.92 KiB

  • Dataset size : 196.42 KiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 288

universal_dependencies/krl_kkpp

  • Config description : UD Karelian-KKPP is a manually annotated new corpus of Karelian made in Universal dependencies annotation scheme. The data is collected from VepKar corpora and consists of mostly modern news texts but also some stories and educational texts.

  • Download size : 220.80 KiB

  • Dataset size : 317.02 KiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 228

universal_dependencies/kk_ktb

  • Config description : The UD Kazakh treebank is a combination of text from various sources including Wikipedia, some folk tales, sentences from the UDHR, news and phrasebook sentences. Sentences IDs include partial document identifiers.

  • Download size : 833.88 KiB

  • Dataset size : 1.15 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 1,047
'train' 31

universal_dependencies/arr_tudet

  • Config description : UD_Karo-TuDeT is a collection of annotated sentences in Karo. The sentences stem from the only grammatical description of the language (Gabas, 1999) and from the sentences in the dictionary by the same author (Gabas, 2007). Sentence annotation and documentation by Fabrício Ferraz Gerardi.

  • Download size : 174.70 KiB

  • Dataset size : 259.24 KiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 674

universal_dependencies/kfm_aha

  • Config description : The AHA Khunsari Treebank is a small treebank for contemporary Khunsari. Its corpus is collected and annotated manually. We have prepared this treebank based on interviews with Khunsari speakers.

  • Download size : 6.14 KiB

  • Dataset size : 7.56 KiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 10

universal_dependencies/quc_iu

  • Config description : UD Kʼicheʼ-IU is a treebank consisting of sentences from a variety of text domains but principally dictionary example sentences and linguistic examples.

  • Download size : 823.85 KiB

  • Dataset size : 1.06 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 1,435

universal_dependencies/koi_uh

  • Config description : This is a Komi-Permyak literary language treebank consisting of original and translated texts.

  • Download size : 99.43 KiB

  • Dataset size : 118.77 KiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 100

universal_dependencies/kpv_ikdp

  • Config description : This treebank consists of dialectal transcriptions of spoken Komi-Zyrian. The current texts are short recorded segments from different areas where the Iźva dialect of Komi language is spoken.

  • Download size : 202.88 KiB

  • Dataset size : 273.92 KiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 214

universal_dependencies/kpv_lattice

  • Config description : UD Komi-Zyrian Lattice is a treebank of written standard Komi-Zyrian.

  • Download size : 741.82 KiB

  • Dataset size : 989.46 KiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 663

universal_dependencies/ko_gsd

  • Config description : The Google Korean Universal Dependency Treebank is first converted from the Universal Dependency Treebank v2.0 (legacy), and then enhanced by Chun et al., 2018.

  • Download size : 4.66 MiB

  • Dataset size : 6.31 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 950
'test' 989
'train' 4,400

universal_dependencies/ko_kaist

  • Config description : The KAIST Korean Universal Dependency Treebank is generated by Chun et al., 2018 from the constituency trees in the KAIST Tree-Tagging Corpus.

  • Download size : 20.84 MiB

  • Dataset size : 27.97 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 2,066
'test' 2,287
'train' 23,010

universal_dependencies/ko_pud

  • Config description : This is a part of the Parallel Universal Dependencies (PUD) treebanks created for the CoNLL 2017 shared task on Multilingual Parsing from Raw Text to Universal Dependencies.

  • Download size : 1.92 MiB

  • Dataset size : 2.12 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 1.000

universal_dependencies/kmr_mg

  • Config description : The UD Kurmanji corpus is a corpus of Kurmanji Kurdish. It contains fiction and encyclopaedic texts in roughly equal measure. It has been annotated natively in accordance with the UD annotation scheme.

  • Download size : 747.04 KiB

  • Dataset size : 1.07 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 734
'train' 20

universal_dependencies/la_ittb

  • Config description : Latin data from the Index Thomisticus Treebank. Data are taken from the Index Thomisticus corpus by Roberto Busa SJ, which contains the complete work by Thomas Aquinas (1225–1274; Medieval Latin) and by 61 other authors related to Thomas.

  • Download size : 40.75 MiB

  • Dataset size : 55.54 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 2,101
'test' 2,101
'train' 22,775

universal_dependencies/la_udante

  • Config description : The UDante treebank is based on the Latin texts of Dante Alighieri, taken from the DanteSearch corpus, originally created at the University of Pisa, Italy. It is a treebank of Latin language, more precisely of literary Medieval Latin (XIVth century).

  • Download size : 4.87 MiB

  • Dataset size : 6.65 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 376
'test' 419
'train' 926

universal_dependencies/la_llct

  • Config description : This Universal Dependencies version of the LLCT (Late Latin Charter Treebank) consists of an automated conversion of the LLCT2 treebank from the Latin Dependency Treebank (LDT) format into the Universal Dependencies standard.

  • Download size : 20.99 MiB

  • Dataset size : 27.77 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 850
'test' 884
'train' 7,289

universal_dependencies/la_perseus

  • Config description : This Universal Dependencies Latin Treebank consists of an automatic conversion of a selection of passages from the Ancient Greek and Latin Dependency Treebank 2.1

  • Download size : 2.45 MiB

  • Dataset size : 3.53 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 939
'train' 1,334

universal_dependencies/la_proiel

  • Config description : The Latin PROIEL treebank is based on the Latin data from the PROIEL treebank, and contains most of the Vulgate New Testament translations plus selections from Caesar's Gallic War, Cicero's Letters to Atticus, Palladius' Opus Agriculturae and the first book of Cicero's De officiis.

  • Download size : 17.58 MiB

  • Dataset size : 25.21 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 1,234
'test' 1,260
'train' 15,917

universal_dependencies/lv_lvtb

  • Config description : Latvian UD Treebank is based on Latvian Treebank (LVTB), being created at University of Latvia, Institute of Mathematics and Computer Science, Artificial Intelligence Laboratory.

  • Download size : 30.93 MiB

  • Dataset size : 42.49 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 1,957
'test' 2,325
'train' 12,521

universal_dependencies/lij_glt

  • Config description : The Genoese Ligurian Treebank is a small, manually annotated collection of contemporary Ligurian prose. The focus of the treebank is written Genoese, the koiné variety of Ligurian which is associated with today's literary, journalistic and academic ligurophone sphere.

  • Download size : 426.33 KiB

  • Dataset size : 636.88 KiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 296
'train' 20

universal_dependencies/lt_alksnis

  • Config description : The Lithuanian dependency treebank ALKSNIS v3.0 (Vytautas Magnus University).

  • Download size : 6.68 MiB

  • Dataset size : 9.06 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 617
'test' 684
'train' 2,341

universal_dependencies/lt_hse

  • Config description : Lithuanian treebank annotated manually (dependencies) using the Morphological Annotator by CCL, Vytautas Magnus University ( http://tekstynas.vdu.lt/ ) and manual disambiguation. A pilot version which includes news and an essay by Tomas Venclova is available here.

  • Download size : 255.28 KiB

  • Dataset size : 1.06 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 153
'test' 153
'train' 153

universal_dependencies/olo_kkpp

  • Config description : UD Livvi-KKPP is a manually annotated new corpus of Livvi-Karelian made directly in the Universal dependencies annotation scheme. The data is collected from VepKar corpora and consists of mostly modern news texts but also some stories and educational texts.

  • Download size : 119.00 KiB

  • Dataset size : 165.75 KiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 106
'train' 19

universal_dependencies/nds_lsdc

  • Config description : The UD Low Saxon LSDC dataset consists of sentences in 18 Low Saxon dialects from both Germany and the Netherlands. These sentences are (or are to become) part of the LSDC dataset and represent the language from the 19th and early 20th century in genres such as short stories, novels, speeches, letters and fairytales.

  • Download size : 209.01 KiB

  • Dataset size : 280.72 KiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 83

universal_dependencies/mt_mudt

  • Config description : MUDT (Maltese Universal Dependencies Treebank) is a manually annotated treebank of Maltese, a Semitic language of Malta descended from North African Arabic with a significant amount of Italo-Romance influence. MUDT was designed as a balanced corpus with four major genres (see Splitting below) represented roughly equally.

  • Download size : 1.92 MiB

  • Dataset size : 2.67 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 433
'test' 518
'train' 1,123

universal_dependencies/gv_cadhan

  • Config description : This is the Cadhan Aonair UD treebank for Manx Gaelic, created by Kevin Scannell.

  • Download size : 1.26 MiB

  • Dataset size : 1.79 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 2,319

universal_dependencies/mr_ufal

  • Config description : UD Marathi is a manually annotated treebank consisting primarily of stories from Wikisource, and parts of an article on Wikipedia.

  • Download size : 330.87 KiB

  • Dataset size : 496.00 KiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 46
'test' 47
'train' 373

universal_dependencies/gun_dooley

  • Config description : UD Mbya_Guarani-Dooley is a corpus of narratives written in Mbyá Guaraní (Tupian) in Brazil, and collected by Robert Dooley. Due to copyright restrictions, the corpus that is distributed as part of UD only contains the annotation (tags, features, relations) while the FORM and LEMMA columns are empty.

  • Download size : 560.08 KiB

  • Dataset size : 859.37 KiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 1,046

universal_dependencies/gun_thomas

  • Config description : UD Mbya_Guarani-Thomas is a corpus of Mbyá Guaraní (Tupian) texts collected by Guillaume Thomas. The current version of the corpus consists of three speeches by Paulina Kerechu Núñez Romero, a Mbyá Guaraní speaker from Ytu, Caazapá Department, Paraguay.

  • Download size : 90.88 KiB

  • Dataset size : 120.86 KiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 98

universal_dependencies/mdf_jr

  • Config description : Erme Universal Dependencies annotated texts Moksha are the origin of UD_Moksha-JR with annotation (CoNLL-U) for texts in the Moksha language, it originally consists of a sample from a number of fiction authors writing originals in Moksha.

  • Download size : 343.96 KiB

  • Dataset size : 451.57 KiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 342

universal_dependencies/myu_tudet

  • Config description : UD_Munduruku-TuDeT is a collection of annotated sentences in Mundurukú. Together with UD_Akuntsu-TuDeT and UD_Tupinamba-TuDeT, UD_Munduruku-TuDeT is part of the TuLaR project.

  • Download size : 67.85 KiB

  • Dataset size : 83.48 KiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 158

universal_dependencies/pcm_nsc

  • Config description : A Universal Dependencies corpus for spoken Naija (Nigerian Pidgin).

  • Download size : 16.99 MiB

  • Dataset size : 21.58 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 991
'test' 972
'train' 7,278

universal_dependencies/nyq_aha

  • Config description : The AHA Nayini Treebank is a small treebank for contemporary Nayini. Its corpus is collected and annotated manually. We have prepared this treebank based on interviews with Nayini speakers.

  • Download size : 6.24 KiB

  • Dataset size : 7.72 KiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 10

universal_dependencies/sme_giella

  • Config description : This is a North Sámi treebank based on a manually disambiguated and function-labelled gold-standard corpus of North Sámi produced by the Giellatekno team at UiT Norgga árktalaš universitehta.

  • Download size : 1.78 MiB

  • Dataset size : 2.72 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 865
'train' 2,257

universal_dependencies/no_bokmaal

  • Config description : The Norwegian UD treebank is based on the Bokmål section of the Norwegian Dependency Treebank (NDT), which is a syntactic treebank of Norwegian. NDT has been automatically converted to the UD scheme by Lilja Øvrelid at the University of Oslo.

  • Download size : 18.29 MiB

  • Dataset size : 27.60 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 2,409
'test' 1,939
'train' 15,696

universal_dependencies/no_nynorsk

  • Config description : The Norwegian UD treebank is based on the Nynorsk section of the Norwegian Dependency Treebank (NDT), which is a syntactic treebank of Norwegian. NDT has been automatically converted to the UD scheme by Lilja Øvrelid at the University of Oslo.

  • Download size : 17.68 MiB

  • Dataset size : 26.46 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 1,890
'test' 1,511
'train' 14,174

universal_dependencies/no_nynorsklia

  • Config description : This Norwegian treebank is based on the LIA treebank of transcribed spoken Norwegian dialects. The treebank has been automatically converted to the UD scheme by Lilja Øvrelid at the University of Oslo.

  • Download size : 3.19 MiB

  • Dataset size : 4.78 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 881
'test' 957
'train' 3,412

universal_dependencies/cu_proiel

  • Config description : The Old Church Slavonic (OCS) UD treebank is based on the Old Church Slavonic data from the PROIEL treebank and contains the text of the Codex Marianus New Testament translation.

  • Download size : 5.92 MiB

  • Dataset size : 8.33 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 1,073
'test' 1,141
'train' 4,124

universal_dependencies/fro_srcmf

  • Config description : UD_Old_French-SRCMF is a conversion of (part of) the SRCMF corpus (Syntactic Reference Corpus of Medieval French srcmf.org).

  • Download size : 13.51 MiB

  • Dataset size : 18.54 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 1,887
'test' 1,989
'train' 14,153

universal_dependencies/orv_birchbark

  • Config description : UD Old_East_Slavic-Birchbark is based on the RNC Corpus of Birchbark Letters and includes documents written in 1025-1500 in an East Slavic vernacular (letters, household and business records, records for church services, spell against diseases, and other short inscriptions). The treebank is manually syntactically annotated in the UD 2.0 scheme, morphological and lexical annotation is a conversion of the original RNC annotation.

  • Download size : 4.04 MiB

  • Dataset size : 4.72 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 1,054
'test' 1,006
'train' 1,045

universal_dependencies/orv_rnc

  • Config description : UD_Old_Russian-RNC is a sample of the Middle Russian corpus (1300-1700), a part of the Russian National Corpus. The data were originally annotated according to the RNC and extended UD-Russian morphological schemas and UD 2.4 dependency schema.

  • Download size : 2.95 MiB

  • Dataset size : 4.02 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 648
'train' 422

universal_dependencies/orv_torot

  • Config description : UD_Old_Russian-TOROT is a conversion of a selection of the Old East Slavonic and Middle Russian data in the Tromsø Old Russian and OCS Treebank (TOROT), which was originally annotated in PROIEL dependency format.

  • Download size : 14.49 MiB

  • Dataset size : 20.13 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 1,852
'test' 1,756
'train' 13,336

universal_dependencies/otk_tonqq

  • Config description : UD_Old_Turkish-Tonqq is an Old Turkish treebank built upon Turkic script texts or sentences that are trivially convertible.

  • Download size : 10.44 KiB

  • Dataset size : 14.01 KiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 20

universal_dependencies/fa_perdt

  • Config description : The Persian Universal Dependency Treebank (PerUDT) is the result of automatic coversion of Persian Dependency Treebank (PerDT) with extensive manual corrections. Please refer to the follwoing work, if you use this data: Mohammad Sadegh Rasooli, Pegah Safari, Amirsaeid Moloodi, and Alireza Nourian. 'The Persian Dependency Treebank Made Universal'. 2020 (to appear).

  • Download size : 32.05 MiB

  • Dataset size : 43.48 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 1,456
'test' 1,455
'train' 26,196

universal_dependencies/fa_seraji

  • Config description : The Persian Universal Dependency Treebank (Persian UD) is based on Uppsala Persian Dependency Treebank (UPDT). The conversion of the UPDT to the Universal Dependencies was performed semi-automatically with extensive manual checks and corrections.

  • Download size : 9.43 MiB

  • Dataset size : 12.50 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 599
'test' 600
'train' 4,798

universal_dependencies/pl_lfg

  • Config description : The LFG Enhanced UD treebank of Polish is based on a corpus of LFG (Lexical Functional Grammar) syntactic structures generated by an LFG grammar of Polish, POLFIE, and manually disambiguated by human annotators.

  • Download size : 14.18 MiB

  • Dataset size : 18.96 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 1,745
'test' 1,727
'train' 13,774

universal_dependencies/pl_pdb

  • Config description : The Polish PDB-UD treebank is based on the Polish Dependency Bank 2.0 (PDB 2.0), created at the Institute of Computer Science, Polish Academy of Sciences in Warsaw. The PDB-UD treebank is an extended and corrected version of the Polish SZ-UD treebank (the release 1.2 to 2.3).

  • Download size : 34.66 MiB

  • Dataset size : 47.62 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 2,215
'test' 2,215
'train' 17,722

universal_dependencies/pl_pud

  • Config description : This is the Polish portion of the Parallel Universal Dependencies (PUD) treebanks, created at the Institute of Computer Science, Polish Academy of Sciences in Warsaw.Re

  • Download size : 1.91 MiB

  • Dataset size : 2.52 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 1.000

universal_dependencies/pt_bosque

  • Config description : This Universal Dependencies (UD) Portuguese treebank is based on the Constraint Grammar converted version of the Bosque, which is part of the Floresta Sintá(c)tica treebank. It contains both European (CETEMPúblico) and Brazilian (CETENFolha) variants.

  • Download size : 14.29 MiB

  • Dataset size : 20.41 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 1,172
'test' 1,167
'train' 7,018

universal_dependencies/pt_gsd

  • Config description : The Brazilian Portuguese UD is converted from the Google Universal Dependency Treebank v2.0 (legacy).

  • Download size : 14.57 MiB

  • Dataset size : 20.34 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 1,204
'test' 1.200
'train' 9,615

universal_dependencies/pt_pud

  • Config description : This is a part of the Parallel Universal Dependencies (PUD) treebanks created for the CoNLL 2017 shared task on Multilingual Parsing from Raw Text to Universal Dependencies.

  • Download size : 1.48 MiB

  • Dataset size : 1.95 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 1.000

universal_dependencies/ro_art

  • Config description : The UD treebank ArT is a treebank of the Aromanian dialect of the Romanian language in UD format.

  • Download size : 44.38 KiB

  • Dataset size : 65.95 KiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 50

universal_dependencies/ro_nonstandard

  • Config description : The Romanian Non-standard UD treebank (called UAIC-RoDia) is based on UAIC-RoDia Treebank. UAIC-RoDia = ISLRN 156-635-615-024-0

  • Download size : 48.00 MiB

  • Dataset size : 66.84 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 1,052
'test' 1,052
'train' 24,121

universal_dependencies/ro_rrt

  • Config description : The Romanian UD treebank (called RoRefTrees) (Barbu Mititelu et al., 2016) is the reference treebank in UD format for standard Romanian.

  • Download size : 16.38 MiB

  • Dataset size : 22.96 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 752
'test' 729
'train' 8,043

universal_dependencies/ro_simonero

  • Config description : SiMoNERo is a medical corpus of contemporary Romanian.

  • Download size : 11.36 MiB

  • Dataset size : 15.68 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 443
'test' 491
'train' 3,747

universal_dependencies/ru_gsd

  • Config description : Russian Universal Dependencies Treebank annotated and converted by Google.

  • Download size : 8.42 MiB

  • Dataset size : 11.51 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 579
'test' 601
'train' 3,850

universal_dependencies/ru_pud

  • Config description : This is a part of the Parallel Universal Dependencies (PUD) treebanks created for the CoNLL 2017 shared task on Multilingual Parsing from Raw Text to Universal Dependencies.

  • Download size : 1.78 MiB

  • Dataset size : 2.26 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 1.000

universal_dependencies/ru_syntagrus

  • Config description : Russian data from the SynTagRus corpus.

  • Download size : 97.99 MiB

  • Dataset size : 139.66 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 6,584
'test' 6,491
'train' 48,814

universal_dependencies/ru_taiga

  • Config description : Universal Dependencies treebank is based on data samples extracted from Taiga Corpus and MorphoRuEval-2017 and GramEval-2020 shared tasks collections.

  • Download size : 18.12 MiB

  • Dataset size : 24.32 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 946
'test' 881
'train' 16,045

universal_dependencies/sa_ufal

  • Config description : A small Sanskrit treebank of sentences from Pañcatantra, an ancient Indian collection of interrelated fables by Vishnu Sharma.

  • Download size : 414.72 KiB

  • Dataset size : 407.83 KiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 230

universal_dependencies/sa_vedic

  • Config description : The Treebank of Vedic Sanskrit contains 4,000 sentences with 27,000 words chosen from metrical and prose passages of the Ṛgveda (RV), the Śaunaka recension of the Atharvaveda (ŚS), the Maitrāyaṇīsaṃhitā (MS), and the Aitareya- (AB) and Śatapatha-Brāhmaṇas (ŚB). Lexical and morpho-syntactic information has been generated using a tagging software and manually validated. POS tags have been induced automatically from the morpho-sytactic information of each word.

  • Download size : 1.95 MiB

  • Dataset size : 3.14 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 1,473
'train' 2,524

universal_dependencies/gd_arcosg

  • Config description : A treebank of Scottish Gaelic based on the Annotated Reference Corpus Of Scottish Gaelic (ARCOSG).

  • Download size : 5.07 MiB

  • Dataset size : 7.20 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 655
'test' 545
'train' 3,539

universal_dependencies/sr_set

  • Config description : The Serbian UD treebank is based on the SETimes-SR corpus and additional news documents from the Serbian web.

  • Download size : 7.07 MiB

  • Dataset size : 10.04 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 536
'test' 520
'train' 3,328

universal_dependencies/sms_giellagas

  • Config description : The UD Skolt Sami Giellagas treebank is based almost entirely on spoken Skolt Sami corpora.

  • Download size : 216.27 KiB

  • Dataset size : 299.21 KiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 218

universal_dependencies/sk_snk

  • Config description : The Slovak UD treebank is based on data originally annotated as part of the Slovak National Corpus, following the annotation style of the Prague Dependency Treebank.

  • Download size : 9.55 MiB

  • Dataset size : 13.87 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 1,060
'test' 1,061
'train' 8,483

universal_dependencies/sl_ssj

  • Config description : The Slovenian UD Treebank is a rule-based conversion of the ssj500k treebank, the largest collection of manually syntactically annotated data in Slovenian, originally annotated in the JOS annotation scheme.

  • Download size : 19.82 MiB

  • Dataset size : 28.72 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 1,250
'test' 1,282
'train' 10,903

universal_dependencies/sl_sst

  • Config description : The Spoken Slovenian UD Treebank (SST) is the first syntactically annotated corpus of spoken Slovenian, based on a sample of the reference GOS corpus, a collection of transcribed audio recordings of monologic, dialogic and multi-party spontaneous speech in different everyday situations.

  • Download size : 2.53 MiB

  • Dataset size : 3.88 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 1,110
'train' 2,078

universal_dependencies/soj_aha

  • Config description : The AHA Soi Treebank is a small treebank for contemporary Soi. Its corpus is collected and annotated manually. We have prepared this treebank based on interviews with Soi speakers.

  • Download size : 4.47 KiB

  • Dataset size : 5.58 KiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 8

universal_dependencies/ajp_madar

  • Config description : The South_Levantine_Arabic-MADAR treebank consists of 100 manually-annotated sentences taken from the MADAR (Multi-Arabic Dialect Applications and Resources) project.

  • Download size : 42.16 KiB

  • Dataset size : 65.64 KiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 100

universal_dependencies/es_ancora

  • Config description : Spanish data from the AnCora corpus.

  • Download size : 50.23 MiB

  • Dataset size : 66.53 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 1,654
'test' 1,721
'train' 14,287

universal_dependencies/es_gsd

  • Config description : The Spanish UD is converted from the content head version of the universal dependency treebank v2.0 (legacy).

  • Download size : 24.86 MiB

  • Dataset size : 36.42 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 1,400
'test' 426
'train' 14,187

universal_dependencies/es_pud

Dividir Exemplos
'test' 1.000

universal_dependencies/swl_sslc

  • Config description : The Universal Dependencies treebank for Swedish Sign Language (ISO 639-3: swl) is derived from the Swedish Sign Language Corpus (SSLC) from the department of linguistics, Stockholm University.

  • Download size : 79.78 KiB

  • Dataset size : 122.04 KiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 82
'test' 34
'train' 87

universal_dependencies/sv_lines

  • Config description : UD Swedish_LinES is the Swedish half of the LinES Parallel Treebank with UD annotations. All segments are translations from English and the sources cover literary genres, online manuals and Europarl data.

  • Download size : 6.91 MiB

  • Dataset size : 9.18 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 1,032
'test' 1,035
'train' 3,176

universal_dependencies/sv_pud

  • Config description : Swedish-PUD is the Swedish part of the Parallel Universal Dependencies (PUD) treebanks.

  • Download size : 1.64 MiB

  • Dataset size : 2.13 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 1.000

universal_dependencies/sv_talbanken

  • Config description : The Swedish-Talbanken treebank is based on Talbanken, a treebank developed at Lund University in the 1970s.

  • Download size : 8.08 MiB

  • Dataset size : 11.40 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 504
'test' 1,219
'train' 4,303

universal_dependencies/gsw_uzh

  • Config description : _UD_Swiss German-UZH is a tiny manually annotated treebank of 100 sentences in different Swiss German dialects and a variety of text genres.

  • Download size : 58.28 KiB

  • Dataset size : 86.61 KiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 100

universal_dependencies/tl_trg

  • Config description : UD_Tagalog-TRG is a UD treebank manually annotated using sentences from a grammar book.

  • Download size : 59.91 KiB

  • Dataset size : 84.14 KiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 128

universal_dependencies/tl_ugnayan

  • Config description : Ugnayan is a manually annotated Tagalog treebank currently composed of educational fiction and nonfiction text. The treebank is under development at the University of the Philippines.

  • Download size : 53.91 KiB

  • Dataset size : 76.16 KiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 94

universal_dependencies/ta_mwtt

  • Config description : MWTT - Modern Written Tamil Treebank has sentences taken primarily from a text called 'A Grammar of Modern Tamil' by Thomas Lehmann (1993). This initial release has 536 sentences of various lengths, and all of these are added as the test set.

  • Download size : 394.18 KiB

  • Dataset size : 499.94 KiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 534

universal_dependencies/ta_ttb

  • Config description : The UD Tamil treebank is based on the Tamil Dependency Treebank created at the Charles University in Prague by Loganathan Ramasamy.

  • Download size : 1.68 MiB

  • Dataset size : 2.06 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 80
'test' 120
'train' 400

universal_dependencies/te_mtg

  • Config description : The Telugu UD treebank is created in UD based on manual annotations of sentences from a grammar book.

  • Download size : 628.67 KiB

  • Dataset size : 866.20 KiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 131
'test' 146
'train' 1,051

universal_dependencies/th_pud

  • Config description : This is a part of the Parallel Universal Dependencies (PUD) treebanks created for the CoNLL 2017 shared task on Multilingual Parsing from Raw Text to Universal Dependencies.

  • Download size : 1.53 MiB

  • Dataset size : 1.85 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 1.000

universal_dependencies/tpn_tudet

  • Config description : UD_Tupinamba-TuDeT is a collection of annotated texts in Tupi(nambá). Together with UD_Akuntsu-TuDeT and UD_Munduruku-TuDeT, UD_Tupinamba-TuDeT is part of the TuLaR. The treebank is ongoing work and is constantly being updated.

  • Download size : 293.55 KiB

  • Dataset size : 371.48 KiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 546

universal_dependencies/qtd_sagt

  • Config description : UD Turkish-German SAGT is a Turkish-German code-switching treebank that is developed as part of the SAGT project.

  • Download size : 2.78 MiB

  • Dataset size : 4.28 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 801
'test' 805
'train' 578

universal_dependencies/tr_atis

  • Config description : This treebank is a translation of English ATIS (Airline Travel Information System) corpus (see References). It consists of 5432 sentences.

  • Download size : 3.26 MiB

  • Dataset size : 5.09 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 572
'test' 586
'train' 4,274

universal_dependencies/tr_tourism

  • Config description : Turkish Tourism is a domain specific treebank consisting of 19,750 manually annotated sentences and 92,200 tokens. These sentences were taken from the original customer reviews of a tourism company.

  • Download size : 6.48 MiB

  • Dataset size : 11.24 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 2,166
'test' 2,191
'train' 15,476

universal_dependencies/tr_kenet

  • Config description : Turkish-Kenet UD Treebank is the biggest treebank of Turkish. It consists of 18,700 manually annotated sentences and 178,700 tokens. Its corpus consists of dictionary examples.

  • Download size : 12.16 MiB

  • Dataset size : 19.00 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 1,646
'test' 1,643
'train' 15,398

universal_dependencies/tr_penn

  • Config description : Turkish version of the Penn Treebank. It consists of a total of 9,560 manually annotated sentences and 87,367 tokens. (It only includes sentences up to 15 words long.)

  • Download size : 12.29 MiB

  • Dataset size : 18.82 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 622
'test' 924
'train' 14,850

universal_dependencies/tr_framenet

  • Config description : Turkish FrameNet consists of 2,700 manually annotated example sentences and 19,221 tokens. Its data consists of the sentences taken from the Turkish FrameNet Project. The annotated sentences can be filtered according to the semantic frame category of the root of the sentence.

  • Download size : 1.43 MiB

  • Dataset size : 2.28 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 205
'test' 205
'train' 2,288

universal_dependencies/tr_boun

  • Config description : The largest Turkish dependency treebank annotated in UD style. Created by the members of TABILAB from Boğaziçi University.

  • Download size : 9.07 MiB

  • Dataset size : 13.24 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 979
'test' 979
'train' 7,803

universal_dependencies/tr_gb

  • Config description : This is a treebank annotating example sentences from a comprehensive grammar book of Turkish.

  • Download size : 1.41 MiB

  • Dataset size : 2.02 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 2,880

universal_dependencies/tr_imst

  • Config description : The UD Turkish Treebank, also called the IMST-UD Treebank, is a semi-automatic conversion of the IMST Treebank (Sulubacak et al., 2016).

  • Download size : 4.51 MiB

  • Dataset size : 6.70 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 988
'test' 983
'train' 3,664

universal_dependencies/tr_pud

  • Config description : This is a part of the Parallel Universal Dependencies (PUD) treebanks created for the CoNLL 2017 shared task on Multilingual Parsing from Raw Text to Universal Dependencies.

  • Download size : 1.29 MiB

  • Dataset size : 1.65 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 1.000

universal_dependencies/uk_iu

  • Config description : Gold standard Universal Dependencies corpus for Ukrainian, developed for UD originally, by Institute for Ukrainian, NGO. [українською]

  • Download size : 16.54 MiB

  • Dataset size : 21.99 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 672
'test' 892
'train' 5,496

universal_dependencies/hsb_ufal

  • Config description : A small treebank of Upper Sorbian based mostly on Wikipedia.

  • Download size : 762.63 KiB

  • Dataset size : 1.11 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 623
'train' 23

universal_dependencies/ur_udtb

  • Config description : The Urdu Universal Dependency Treebank was automatically converted from Urdu Dependency Treebank (UDTB) which is part of an ongoing effort of creating multi-layered treebanks for Hindi and Urdu.

  • Download size : 15.16 MiB

  • Dataset size : 21.57 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 552
'test' 535
'train' 4,043

universal_dependencies/ug_udt

  • Config description : The Uyghur UD treebank is based on the Uyghur Dependency Treebank (UDT), created at the Xinjiang University in Ürümqi, China.

  • Download size : 3.30 MiB

  • Dataset size : 4.59 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 900
'test' 900
'train' 1,656

universal_dependencies/vi_vtb

  • Config description : The Vietnamese UD treebank is a conversion of the constituent treebank created in the VLSP project ( https://vlsp.hpda.vn/ ).

  • Download size : 1.96 MiB

  • Dataset size : 2.81 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 800
'test' 800
'train' 1,400

universal_dependencies/wbp_ufal

  • Config description : A small treebank of grammatical examples in Warlpiri, taken from linguistic literature.

  • Download size : 37.58 KiB

  • Dataset size : 47.36 KiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 55

universal_dependencies/cy_ccg

  • Config description : UD Welsh-CCG (Corpws Cystrawennol y Gymraeg) is a treebank of Welsh, annotated according to the Universal Dependencies guidelines.

  • Download size : 2.28 MiB

  • Dataset size : 3.06 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 953
'train' 976

universal_dependencies/hy_armtdp

  • Config description : A Universal Dependencies treebank for Eastern Armenian developed for UD originally by the ArmTDP team led by Marat M. Yavrumyan at the Yerevan State University.

  • Download size : 6.56 MiB

  • Dataset size : 8.50 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 249
'test' 277
'train' 1,974

universal_dependencies/wo_wtb

  • Config description : UD_Wolof-WTB is a natively manual developed treebank for Wolof. Sentences were collected from encyclopedic, fictional, biographical, religious texts and news.

  • Download size : 2.65 MiB

  • Dataset size : 3.78 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'dev' 449
'test' 470
'train' 1,188

universal_dependencies/sjo_xdt

  • Config description : The UD Xibe Treebank is a corpus of the Xibe language (ISO 639-3: sjo) containing manually annotated syntactic trees under the Universal Dependencies. Sentences come from three sources: grammar book examples, newspaper (Cabcal News) and Xibe textbooks.

  • Download size : 1.50 MiB

  • Dataset size : 1.74 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 810

universal_dependencies/sah_yktdt

  • Config description : UD_Yakut-YKTDT is a collection Yakut ([Sakha]) sentences ( https://glottolog.org/resource/languoid/id/yaku1245 ). The project is work-in-progress and the treebank is being updated on a regular basis

  • Download size : 51.76 KiB

  • Dataset size : 61.70 KiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 96

universal_dependencies/yo_ytb

  • Config description : Parts of the Yoruba Bible and of the Yoruba edition of Wikipedia, hand-annotated natively in Universal Dependencies.

  • Download size : 554.64 KiB

  • Dataset size : 767.54 KiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 318

universal_dependencies/ess_sli

  • Config description : UD_Yupik-SLI is a treebank of St. Lawrence Island Yupik (ISO 639-3: ess) that has been manually annotated at the morpheme level, based on a finite-state morphological analyzer by Chen et al., 2020. The word-level annotation, merging multiword expressions, is provided in not-to-release/ess_sli-ud-test.merged.conllu. More information about the treebank can be found in our publication (AmericasNLP, 2021).

  • Download size : 302.87 KiB

  • Dataset size : 410.25 KiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'test' 309