universal_dependencies

  • Deskripsi :

Universal Dependencies (UD) adalah kerangka kerja untuk anotasi tata bahasa yang konsisten (bagian ucapan, fitur morfologis, dan ketergantungan sintaksis) di berbagai bahasa manusia. UD adalah upaya komunitas terbuka dengan lebih dari 300 kontributor yang menghasilkan lebih dari 200 pohon dalam lebih dari 100 bahasa. Jika Anda baru di UD, Anda harus mulai dengan membaca bagian pertama Pengenalan Singkat dan kemudian menjelajahi panduan anotasi.

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)),
})
  • Dokumentasi fitur :
Fitur Kelas Membentuk Dtype Keterangan
fiturDict
deprel Urutan (Teks) (Tidak ada,) rangkaian
dep Urutan (Teks) (Tidak ada,) rangkaian
prestasi Urutan (Teks) (Tidak ada,) rangkaian
kepala Urutan (Teks) (Tidak ada,) rangkaian
idx Teks rangkaian
lemma Urutan (Teks) (Tidak ada,) rangkaian
bermacam-macam Urutan (Teks) (Tidak ada,) rangkaian
teks Teks rangkaian
token Urutan (Teks) (Tidak ada,) rangkaian
upos Urutan(Label Kelas) (Tidak ada,) int64
xpos Urutan (Teks) (Tidak ada,) rangkaian
@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 (konfigurasi default)

  • Deskripsi konfigurasi : UD Afrikaans-AfriBooms adalah konversi dari Treebank Ketergantungan AfriBooms, awalnya dianotasi dengan kumpulan PoS yang disederhanakan dan hubungan ketergantungan menurut subset dari kumpulan tag Stanford. Korpus terdiri dari dokumen pemerintah publik. Dataset diusulkan dalam 'AfriBooms: An Online Treebank for Afrikaans' oleh Augustinus et al. (2016); https://www.aclweb.org/anthology/L16-1107.pdf

  • Ukuran unduhan : 2.95 MiB

  • Ukuran dataset : 4.02 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'dev' 194
'test' 425
'train' 1.315

universal_dependencies/akk_pisandub

  • Deskripsi konfigurasi : Kumpulan kecil kalimat dari prasasti kerajaan Babilonia.

  • Ukuran unduhan : 99.41 KiB

  • Ukuran dataset : 126.32 KiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'test' 101

universal_dependencies/akk_riao

  • Deskripsi konfigurasi : UD_Akkadian-RIAO adalah kumpulan pohon kecil yang terdiri dari 22.277 kata dan 1845 kalimat. Ini merupakan bagian utuh dari total 2211 kalimat dari prasasti kerajaan Neo-Asyur awal dari abad kesepuluh dan kesembilan SM. Prasasti kerajaan ini diekstrak dari Oracc (Open Richly Annotated Cuneiform Corpus; http://oracc.museum.upenn.edu/riao/ ), di mana semua prasasti kerajaan Neo-Asyur dilemmatisasi kata demi kata. Bahasa korpus adalah Babilonia Standar, dengan Asiria sesekali, sedangkan "Akkadia" adalah istilah umum untuk Asiria dan Babilonia. Treebank dianotasi secara manual mengikuti panduan anotasi UD.

  • Ukuran unduhan : 1.87 MiB

  • Ukuran dataset : 2.79 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'test' 1.874

universal_dependencies/aqz_tudet

  • Deskripsi konfigurasi : UD_Akuntsu-TuDeT adalah kumpulan teks beranotasi di Akuntsú. Bersama dengan UD_Tupinamba-TuDeT dan UD_Munduruku-TuDeT, UD_Akuntsu-TuDeT merupakan bagian dari proyek TuLaR. Kalimat tersebut dianotasi oleh Carolina Aragon dan Fabrício Ferraz Gerardi.

  • Ukuran unduhan : 67.25 KiB

  • Ukuran dataset : 97.39 KiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'test' 243

universal_dependencies/sq_tsa

  • Deskripsi konfigurasi : UD Treebank for Standard Albanian (TSA) adalah treebank kecil yang terdiri dari 60 kalimat yang setara dengan 922 token. Data dikumpulkan dari berbagai entri Wikipedia. Treebank ini dibuat terutama secara manual mengikuti panduan Ketergantungan Universal. Lemmatisasi dilakukan menggunakan lemmatizer https://bitbucket.org/timarkh/uniparser-albanian-grammar/src/master/ yang dikembangkan oleh tim Korpus Nasional Albania (Maria Morozova, Alexander Rusakov, Timofey Arkhangelskiy). Penandaan dan Analisis Morfologi semi-otomatis melalui skrip python dan dikoreksi secara manual, sedangkan hubungan Ketergantungan ditetapkan sepenuhnya secara manual. Kami mendorong inisiatif apa pun untuk meningkatkan ukuran dan/atau meningkatkan kualitas Treebank secara keseluruhan.

  • Ukuran unduhan : 62.00 KiB

  • Ukuran dataset : 93.65 KiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'test' 60

universal_dependencies/am_att

  • Deskripsi konfigurasi : UD_Amharic-ATT adalah Treebanks yang dianotasi secara manual. Itu dijelaskan untuk tag POS, informasi morfologis dan hubungan ketergantungan. Karena Amharik adalah bahasa yang kaya secara morfologis, pro-drop, dan memiliki fitur penggandaan klitik, klitik telah disegmentasi secara manual.

  • Ukuran unduhan : 995.32 KiB

  • Ukuran dataset : 1.33 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'test' 1.074

universal_dependencies/grc_perseus

  • Deskripsi konfigurasi : Treebank Yunani Kuno Ketergantungan Universal ini terdiri dari konversi otomatis pilihan bagian dari Ketergantungan Yunani Kuno dan Latin Treebank 2.1

  • Ukuran unduhan : 18.02 MiB

  • Ukuran dataset : 24.52 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'dev' 1.137
'test' 1.306
'train' 11.476

universal_dependencies/grc_proiel

  • Deskripsi konfigurasi : Treebank PROIEL Yunani Kuno didasarkan pada data Yunani Kuno dari treebank PROIEL, yang dikelola di Departemen Filsafat, Klasik, Sejarah Seni dan Gagasan di Universitas Oslo. Konversi didasarkan pada rilis 20180408 dari PROIEL treebank yang tersedia dari https://github.com/proiel/proiel-treebank/releases Anotator asli diakui dalam file yang tersedia di sana. Kode konversi tersedia di proiel-cli Rubygem, https://github.com/proiel/proiel-cli

  • Ukuran unduhan : 22.62 MiB

  • Ukuran dataset : 30.92 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'dev' 1.019
'test' 1.047
'train' 15.014

universal_dependencies/apu_ufpa

  • Deskripsi konfigurasi : Rilis awal berisi 70 kalimat beranotasi. Ini adalah pohon pertama dalam bahasa dari keluarga Arawak. Glos interlinear asli disertakan di bank pohon, dan konversinya menjadi anotasi UD penuh merupakan proses yang berkelanjutan. Nilai sent_id (misalnya: FernandaM2017:Texto-6-19) mewakili kolektor, tahun publikasi, pengidentifikasi teks, dan nomor kalimat dalam urutan dari teks asli.

  • Ukuran unduhan : 95.51 KiB

  • Ukuran dataset : 98.49 KiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'test' 115

universal_dependencies/hbo_ptnk

  • Deskripsi konfigurasi : UD Ancient Hebrew PTNK berisi bagian dari Biblia Hebraic Stuttgartensia dengan anotasi morfologis dari ETCBC.

  • Ukuran unduhan : 3.11 MiB

  • Ukuran dataset : 4.28 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'dev' 439
'test' 410
'train' 730

universal_dependencies/ar_nyuad

  • Deskripsi konfigurasi : Treebank terdiri dari 19.738 kalimat (738889 token), dan domainnya sebagian besar adalah newswire. Anotasi tersebut dilisensikan berdasarkan persyaratan CC BY-SA 4.0, dan PATB asli dapat diperoleh dari situs web resmi LDC.

  • Ukuran unduhan : 55.87 MiB

  • Ukuran dataset : 78.33 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'dev' 1.986
'test' 1.963
'train' 15.789

universal_dependencies/ar_padt

  • Deskripsi konfigurasi : Bank pohon UD Arab-PADT didasarkan pada Bank Pohon Ketergantungan Arab Praha (PADT), yang dibuat di Universitas Charles di Praha.

  • Ukuran unduhan : 48.84 MiB

  • Ukuran dataset : 64.42 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'dev' 909
'test' 680
'train' 6.075

universal_dependencies/ar_pud

  • Deskripsi konfigurasi : Ini adalah bagian dari treebank Parallel Universal Dependencies (PUD) yang dibuat untuk tugas bersama CoNLL 2017 tentang Parsing Multibahasa dari Teks Mentah ke Dependensi Universal.

  • Ukuran unduhan : 1.98 MiB

  • Ukuran dataset : 2.34 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'test' 1.000

universal_dependencies/aii_as

  • Deskripsi Config : The Uppsala Assyrian Treebank adalah treebank kecil untuk Asyur Standar Modern. Korpus dikumpulkan dan dianotasi secara manual. Data dikumpulkan secara acak dari berbagai buku pelajaran dan terjemahan singkat dari The Merchant of Venice.

  • Ukuran unduhan : 31.99 KiB

  • Ukuran dataset : 48.85 KiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'test' 57

universal_dependencies/bm_crb

  • Deskripsi konfigurasi : Treebank UD Bambara adalah bagian dari Corpus Référence du Bambara yang dianotasi secara native dengan Universal Dependencies.

  • Ukuran unduhan : 873.37 KiB

  • Ukuran dataset : 1.25 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'test' 1.026

universal_dependencies/eu_bdt

  • Deskripsi konfigurasi : Basque UD treebank didasarkan pada konversi otomatis dari bagian Basque Dependency Treebank (BDT), yang dibuat di University of the Basque Country oleh grup riset IXA NLP. Treebank terdiri dari 8.993 kalimat (121.443 token) dan sebagian besar mencakup teks sastra dan jurnalistik.

  • Ukuran unduhan : 7.83 MiB

  • Ukuran dataset : 11.74 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'dev' 1.798
'test' 1.799
'train' 5.396

universal_dependencies/bej_nsc

  • Deskripsi konfigurasi : Korpus Ketergantungan Universal untuk Beja, cabang Filum Afro-Asiatik Kushitik Utara yang sebagian besar digunakan di Sudan, Mesir, dan Eritrea.

  • Ukuran unduhan : 136.52 KiB

  • Ukuran dataset : 168.15 KiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'test' 56

universal_dependencies/be_hse

  • Deskripsi konfigurasi : Bank pohon UD Belarusia didasarkan pada sampel teks berita yang termasuk dalam subkorpus paralel Belarusia-Rusia dari Korpus Nasional Rusia, pencarian online tersedia di: http://ruscorpora.ru/search-para-be.html

  • Ukuran unduhan : 30.04 MiB

  • Ukuran dataset : 39.88 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'dev' 1.301
'test' 1.077
'train' 22.853

universal_dependencies/bn_bru

  • Deskripsi konfigurasi : BRU Bengali treebank telah dibuat di Universitas Begum Rokeya, Rangpur, oleh anggota Semantics Lab.

  • Ukuran unduhan : 38.41 KiB

  • Ukuran dataset : 51.42 KiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'test' 56

universal_dependencies/bho_bhtb

  • Deskripsi konfigurasi : Bhojpuri UD Treebank (BHTB) v2.6 terdiri dari 6.664 token (357 kalimat). Treebank ini adalah bagian dari proyek treebank Ketergantungan Universal. Awalnya diprakarsai oleh saya (Atul) di Universitas Jawaharlal Nehru, New Delhi selama penelitian doktoral. Data BHTB berisi anotasi sintaksis menurut skema dependensi-konstituensi, serta tag dan lemma morfologis. Dalam data ini, XPOS diberi anotasi sesuai dengan tagset Bureau of Indian Standards (BIS) Part Of Speech (POS).

  • Ukuran unduhan : 599.76 KiB

  • Ukuran dataset : 817.23 KiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'test' 357

universal_dependencies/br_keb

  • Deskripsi konfigurasi : UD Breton-KEB adalah treebank Breton yang telah dianotasi secara manual sesuai dengan pedoman Ketergantungan Universal. Pedoman tokenisasi dan anotasi morfologis berasal dari penganalisa morfologi keadaan terbatas dari Breton yang dirilis sebagai bagian dari proyek Apertium.

  • Ukuran unduhan : 663.63 KiB

  • Ukuran dataset : 863.36 KiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'test' 888

universal_dependencies/bg_btb

  • Deskripsi konfigurasi : UD_Bulgarian-BTB didasarkan pada BulTreeBank berbasis HPSG, yang dibuat di Institut Teknologi Informasi dan Komunikasi, Akademi Ilmu Pengetahuan Bulgaria. Dokumen asli terdiri dari 215.000 token (lebih dari 15.000 kalimat).

  • Ukuran unduhan : 14.22 MiB

  • Ukuran dataset : 20.01 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'dev' 1.115
'test' 1.116
'train' 8.907

universal_dependencies/bxr_bdt

  • Deskripsi konfigurasi : Treebank UD Buryat dianotasi secara manual di UD dan berisi kalimat buku tata bahasa, bersama dengan berita dan beberapa fiksi.

  • Ukuran unduhan : 710.23 KiB

  • Ukuran dataset : 1018.12 KiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'test' 908
'train' 19

universal_dependencies/yue_hk

  • Deskripsi konfigurasi : Treebank Kanton (dalam karakter Tionghoa Tradisional) dari subtitel film dan proses legislatif Hong Kong, paralel dengan treebank China-HK.

  • Ukuran unduhan : 693.38 KiB

  • Ukuran dataset : 1.04 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'test' 1.004

universal_dependencies/ca_ancora

  • Deskripsi konfigurasi : Data Catalan dari korpus AnCora.

  • Ukuran unduhan : 48.14 MiB

  • Ukuran dataset : 64.03 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'dev' 1.709
'test' 1.846
'train' 13.123

universal_dependencies/ceb_gja

  • Deskripsi konfigurasi : UD_Cebuano_GJA adalah kumpulan contoh kalimat Cebuano beranotasi yang diambil secara acak dari tiga sumber berbeda: sampel kontribusi komunitas dari situs web Tatoeba, buku tata bahasa Cebuano oleh Bunye & Yap (1971) dan tata bahasa referensi Tanangkinsing tentang Cebuano (2011). Proyek ini sedang dalam pengerjaan.

  • Ukuran unduhan : 99.30 KiB

  • Ukuran dataset : 136.74 KiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'test' 188

universal_dependencies/zh_cfl

  • Deskripsi konfigurasi : Treebank Chinese-CFL UD dianotasi secara manual oleh Keying Li dengan sedikit revisi manual oleh Herman Leung dan John Lee di City University of Hong Kong, berdasarkan esai yang ditulis oleh pembelajar bahasa Mandarin sebagai bahasa asing. Data dalam bahasa Cina Sederhana.

  • Ukuran unduhan : 375.71 KiB

  • Ukuran dataset : 558.45 KiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'test' 451

universal_dependencies/zh_gsd

  • Deskripsi konfigurasi : Ketergantungan Universal Tradisional China Treebank dianotasi dan dikonversi oleh Google.

  • Ukuran unduhan : 6.48 MiB

  • Ukuran dataset : 8.88 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'dev' 500
'test' 500
'train' 3.997

universal_dependencies/zh_gsdsimp

  • Deskripsi konfigurasi : Dataset Ketergantungan Universal China Sederhana yang dikonversi dari dataset GSD (tradisional) dengan koreksi manual.

  • Ukuran unduhan : 6.48 MiB

  • Ukuran dataset : 8.88 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'dev' 500
'test' 500
'train' 3.997

universal_dependencies/zh_hk

  • Deskripsi Config : Treebank teks film Tionghoa Tradisional dan proses legislatif Hong Kong, paralel dengan treebank Kanton-HK.

  • Ukuran unduhan : 482.85 KiB

  • Ukuran dataset : 779.66 KiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'test' 1.004

universal_dependencies/zh_pud

  • Deskripsi konfigurasi : Ini adalah bagian dari treebank Parallel Universal Dependencies (PUD) yang dibuat untuk tugas bersama CoNLL 2017 tentang Parsing Multibahasa dari Teks Mentah ke Dependensi Universal.

  • Ukuran unduhan : 1.53 MiB

  • Ukuran dataset : 1.95 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'test' 1.000

universal_dependencies/ckt_hse

  • Deskripsi konfigurasi : Data ini adalah anotasi manual korpus dari korpus beranotasi multimedia dari proyek Chuklang, korpus dialek dari varian Amguema dari Chukchi.

  • Ukuran unduhan : 793.16 KiB

  • Ukuran dataset : 828.50 KiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'test' 1.004

universal_dependencies/lzh_kyoto

  • Deskripsi konfigurasi : Ketergantungan Universal Tionghoa Klasik Treebank dianotasi dan diubah oleh Institute for Research in Humanities, Universitas Kyoto.

  • Ukuran unduhan : 26.86 MiB

  • Ukuran dataset : 39.40 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'dev' 5.687
'test' 4.932
'train' 48.569

universal_dependencies/cop_scriptorium

  • Deskripsi konfigurasi : UD Koptik berisi teks Koptik Sahidik yang dianotasi secara manual, termasuk teks Alkitab, khotbah, surat, dan hagiografi.

  • Ukuran unduhan : 4.73 MiB

  • Ukuran dataset : 6.12 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'dev' 381
'test' 403
'train' 1.227

universal_dependencies/hr_set

  • Deskripsi konfigurasi : Treebank UD Kroasia didasarkan pada perluasan korpus SETimes-HR, korpus hr500k.

  • Ukuran unduhan : 14.41 MiB

  • Ukuran dataset : 20.43 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'dev' 960
'test' 1.136
'train' 6.914

universal_dependencies/cs_cac

  • Deskripsi konfigurasi : UD_Czech-CAC treebank didasarkan pada Czech Academic Corpus 2.0 (CAC; Český akademický korpus; ČAK), dibuat di Universitas Charles di Praha.

  • Ukuran unduhan : 53.72 MiB

  • Ukuran dataset : 73.74 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'dev' 603
'test' 628
'train' 23.478

universal_dependencies/cs_cltt

  • Deskripsi konfigurasi : Treebank UD_Czech-CLTT didasarkan pada Czech Legal Text Treebank 1.0, dibuat di Universitas Charles di Praha.

  • Ukuran unduhan : 3.57 MiB

  • Ukuran dataset : 4.73 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'dev' 129
'test' 136
'train' 860

universal_dependencies/cs_fictree

  • Deskripsi konfigurasi : FicTree adalah kumpulan fiksi Ceko, yang secara otomatis diubah menjadi format UD. Treebank dibangun di Universitas Charles di Praha.

  • Ukuran unduhan : 16.65 MiB

  • Ukuran dataset : 23.29 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'dev' 1.309
'test' 1.291
'train' 10.160

universal_dependencies/cs_pdt

  • Deskripsi konfigurasi : Treebank Czech-PDT UD didasarkan pada Prague Dependency Treebank 3.0 (PDT), yang dibuat di Universitas Charles di Praha.

  • Ukuran unduhan : 164.29 MiB

  • Ukuran dataset : 224.30 MiB

  • Auto-cached ( dokumentasi ): Ya (dev, test), Hanya ketika shuffle_files=False (train)

  • Perpecahan :

Membelah Contoh
'dev' 9.270
'test' 10.148
'train' 68.495

universal_dependencies/cs_pud

  • Deskripsi konfigurasi : Ini adalah bagian dari treebank Parallel Universal Dependencies (PUD) yang dibuat untuk tugas bersama CoNLL 2017 tentang Parsing Multibahasa dari Teks Mentah ke Dependensi Universal.

  • Ukuran unduhan : 2.14 MiB

  • Ukuran dataset : 2.76 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'test' 1.000

universal_dependencies/da_ddt

  • Deskripsi konfigurasi : Danish UD treebank adalah konversi dari Danish Dependency Treebank.

  • Ukuran unduhan : 6.13 MiB

  • Ukuran dataset : 9.15 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'dev' 564
'test' 565
'train' 4.383

universal_dependencies/nl_alpino

  • Deskripsi konfigurasi : Korpus ini terdiri dari sampel dari berbagai bank pohon yang dianotasi di University of Groningen menggunakan alat dan panduan anotasi Alpino.

  • Ukuran unduhan : 15.98 MiB

  • Ukuran dataset : 21.03 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'dev' 718
'test' 596
'train' 12.289

universal_dependencies/nl_lassysmall

  • Deskripsi konfigurasi : Korpus ini berisi kalimat dari bagian Wikipedia di Lassy Small Treebank. Anotasi Ketergantungan Universal dihasilkan secara otomatis dari anotasi asli di Lassy.

  • Ukuran unduhan : 7.61 MiB

  • Ukuran dataset : 9.86 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'dev' 676
'test' 876
'train' 5.789

universal_dependencies/en_esl

  • Deskripsi konfigurasi : UD English-ESL / Treebank of Learner English (TLE) berisi tag POS manual dan anotasi dependensi untuk 5.124 kalimat English as a Second Language (ESL) yang diambil dari dataset Cambridge Learner Corpus First Certificate in English (FCE).

  • Ukuran unduhan : 3.20 MiB

  • Ukuran dataset : 4.72 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'dev' 500
'test' 500
'train' 4.124

universal_dependencies/en_ewt

  • Deskripsi konfigurasi : Corpus Ketergantungan Universal Standar Emas untuk Bahasa Inggris, dibangun di atas materi sumber English Web Treebank LDC2012T13 ( https://catalog.ldc.upenn.edu/LDC2012T13 ).

  • Ukuran unduhan : 16.37 MiB

  • Ukuran dataset : 23.60 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'dev' 2.001
'test' 2.077
'train' 12.543

universal_dependencies/en_gum

Membelah Contoh
'dev' 1.117
'test' 1.096
'train' 6.917

universal_dependencies/en_gumreddit

Membelah Contoh
'dev' 104
'test' 105
'train' 686

universal_dependencies/en_lines

  • Deskripsi konfigurasi : UD English_LinES adalah setengah bahasa Inggris dari LinES Parallel Treebank dengan anotasi dependensi asli yang pertama secara otomatis diubah menjadi Universal Dependencies dan kemudian ditinjau sebagian. Isinya meliputi literatur, manual online, dan data Europarl.

  • Ukuran unduhan : 5.27 MiB

  • Ukuran dataset : 7.54 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'dev' 1.032
'test' 1.035
'train' 3.176

universal_dependencies/en_atis

  • Deskripsi konfigurasi : UD Atis Treebank adalah treebank yang dianotasi secara manual yang terdiri dari kalimat-kalimat dalam kumpulan data Atis (Informasi Perjalanan Maskapai) yang menyertakan transkripsi ucapan manusia dari orang yang meminta informasi penerbangan pada sistem pertanyaan otomatis.

  • Ukuran unduhan : 3.06 MiB

  • Ukuran dataset : 4.76 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'dev' 572
'test' 586
'train' 4.274

universal_dependencies/en_partut

  • Deskripsi konfigurasi : UD_English-ParTUT adalah konversi dari treebank paralel multibahasa yang dikembangkan di University of Turin, dan terdiri dari berbagai genre teks, termasuk pembicaraan, teks hukum, dan artikel Wikipedia, antara lain.

  • Ukuran unduhan : 2.59 MiB

  • Ukuran dataset : 3.65 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'dev' 156
'test' 153
'train' 1.781

universal_dependencies/en_pronouns

  • Deskripsi konfigurasi : UD English-Pronouns adalah kumpulan data yang dibuat untuk membuat identifikasi kata ganti lebih akurat dan dengan distribusi yang lebih seimbang antar jenis kelamin. Dataset ini awalnya menargetkan kata ganti Independent Genitive, 'hers', (independent) 'his', (singular) 'theirs', 'mine', dan (singular) 'yours'.

  • Ukuran unduhan : 138.08 KiB

  • Ukuran dataset : 186.09 KiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'test' 285

universal_dependencies/en_pud

  • Deskripsi konfigurasi : Ini adalah bagian bahasa Inggris dari treebank Parallel Universal Dependencies (PUD) yang dibuat untuk tugas bersama CoNLL 2017 tentang Parsing Multibahasa dari Teks Mentah ke Dependensi Universal ( http://universaldependencies.org/conll17/ ).

  • Ukuran unduhan : 1.28 MiB

  • Ukuran dataset : 1.82 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'test' 1.000

universal_dependencies/myv_jr

  • Deskripsi konfigurasi : UD Erzya adalah anotasi asli (CoNLL-U) untuk teks dalam bahasa Erzya, aslinya terdiri dari sampel dari sejumlah penulis fiksi yang menulis aslinya dalam bahasa Erzya.

  • Ukuran unduhan : 1.88 MiB

  • Ukuran dataset : 2.47 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'test' 1.714

universal_dependencies/et_edt

  • Deskripsi konfigurasi : UD Estonian adalah versi konversi dari Estonian Dependency Treebank (EDT), awalnya dianotasi dalam skema anotasi Tata Bahasa Kendala (CG), dan terdiri dari genre fiksi, teks surat kabar, dan teks ilmiah. Treebank berisi 30.972 pohon, 437.769 token.

  • Ukuran unduhan : 31.09 MiB

  • Ukuran dataset : 45.98 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'dev' 3.127
'test' 3.214
'train' 24.632

universal_dependencies/et_ewt

  • Deskripsi konfigurasi : UD EWT treebank terdiri dari berbagai genre media baru. Treebank berisi 4.493 pohon, 56.399 token.

  • Ukuran unduhan : 5.35 MiB

  • Ukuran dataset : 8.06 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'dev' 833
'test' 913
'train' 4.579

universal_dependencies/fo_farpahc

  • Deskripsi konfigurasi : UD_Icelandic-FarPaHC adalah konversi Faroese Parsed Historical Corpus (FarPaHC) ke skema Universal Dependencies. Konversi dilakukan dengan menggunakan UDConverter.

  • Ukuran unduhan : 2.09 MiB

  • Ukuran dataset : 2.84 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'dev' 300
'test' 301
'train' 1.020

universal_dependencies/fo_oft

  • Deskripsi konfigurasi : Ini adalah kumpulan pohon bahasa Faroe berdasarkan Wikipedia bahasa Faroe.

  • Ukuran unduhan : 783.86 KiB

  • Ukuran dataset : 1.07 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'test' 1.208

universal_dependencies/fi_ftb

  • Deskripsi konfigurasi : FinnTreeBank 1 terdiri dari contoh tata bahasa yang dianotasi secara manual dari VISK. Versi UD FinnTreeBank 1 diubah dari model anotasi asli dengan skrip dan kemudian direvisi secara manual.

  • Ukuran unduhan : 12.52 MiB

  • Ukuran dataset : 18.45 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'dev' 1.875
'test' 1.867
'train' 14.981

universal_dependencies/fi_ood

  • Deskripsi konfigurasi : Finnish-OOD adalah set pengujian eksternal di luar domain untuk TDT Finlandia yang dianotasi secara native ke dalam skema UD.

  • Ukuran unduhan : 1.40 MiB

  • Ukuran dataset : 2.11 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'test' 2.122

universal_dependencies/fi_pud

  • Deskripsi konfigurasi : Ini adalah bagian dari treebank Parallel Universal Dependencies (PUD) yang dibuat untuk tugas bersama CoNLL 2017 tentang Parsing Multibahasa dari Teks Mentah ke Dependensi Universal.

  • Ukuran unduhan : 1.34 MiB

  • Ukuran dataset : 1.80 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'test' 1.000

universal_dependencies/fi_tdt

  • Deskripsi konfigurasi : UD_Finnish-TDT didasarkan pada Turku Dependency Treebank (TDT), sebuah treebank dependensi cakupan luas Finlandia umum yang mencakup banyak genre. Konversi ke UD diikuti dengan pemeriksaan dan koreksi manual yang ekstensif, dan treebank sangat mematuhi pedoman UD.

  • Ukuran unduhan : 15.84 MiB

  • Ukuran dataset : 23.17 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'dev' 1.364
'test' 1.555
'train' 12.217

universal_dependencies/fr_fqb

  • Deskripsi konfigurasi : Korpus UD_French-FQB adalah konversi otomatis dari French QuestionBank v1, sebuah korpus yang seluruhnya berisi pertanyaan.

  • Ukuran unduhan : 1.47 MiB

  • Ukuran dataset : 2.32 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'test' 2.289

universal_dependencies/fr_ftb

  • Deskripsi konfigurasi : Versi Ketergantungan Universal dari French Treebank (Abeillé et al., 2003), selanjutnya UD_French-FTB, adalah kumpulan kalimat dari surat kabar Le Monde, awalnya secara manual dianotasi dengan informasi morfologis dan struktur frase lalu diubah menjadi skema anotasi Ketergantungan Universal.

  • Ukuran unduhan : 29.49 MiB

  • Ukuran dataset : 44.93 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'dev' 1.235
'test' 2.541
'train' 14.759

universal_dependencies/fr_gsd

  • Deskripsi konfigurasi : UD_French-GSD dikonversi pada tahun 2015 dari versi kepala konten dari treebank dependensi universal v2.0 ( https://github.com/ryanmcd/uni-dep-tb ). Itu diperbarui sejak 2015 secara independen dari sumber sebelumnya.

  • Ukuran unduhan : 24.38 MiB

  • Ukuran dataset : 35.77 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'dev' 1.476
'test' 416
'train' 14.449

universal_dependencies/fr_partut

  • Deskripsi konfigurasi : UD_French-ParTUT adalah konversi dari treebank paralel multibahasa yang dikembangkan di University of Turin, dan terdiri dari berbagai genre teks, antara lain pembicaraan, teks hukum, dan artikel Wikipedia.

  • Ukuran unduhan : 1.74 MiB

  • Ukuran dataset : 2.44 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'dev' 107
'test' 110
'train' 803

universal_dependencies/fr_rhapsodie

  • Deskripsi konfigurasi : Korpus Ketergantungan Universal untuk bahasa Prancis lisan.

  • Ukuran unduhan : 3.00 MiB

  • Ukuran dataset : 4.10 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'dev' 1.082
'test' 840
'train' 1.288

universal_dependencies/fr_parisstories

  • Deskripsi konfigurasi : Cerita Paris adalah korpus bahasa Prancis lisan yang dikumpulkan dan ditranskripsi oleh siswa Linguistik dari Sorbonne Nouvelle dan dikoreksi oleh siswa dari Gelar Master Linguistik Komputasi Plurital (Inalco, Paris Nanterre, Sorbonne Nouvelle) antara 2017 dan 2021. Ini berisi monolog dan dialog dari pembicara yang tinggal di wilayah Paris.

  • Ukuran unduhan : 1.97 MiB

  • Ukuran dataset : 2.70 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'test' 547
'train' 1.216

universal_dependencies/fr_pud

  • Deskripsi konfigurasi : Ini adalah bagian dari treebank Parallel Universal Dependencies (PUD) yang dibuat untuk tugas bersama CoNLL 2017 tentang Parsing Multibahasa dari Teks Mentah ke Dependensi Universal.

  • Ukuran unduhan : 1.71 MiB

  • Ukuran dataset : 2.24 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'test' 1.000

universal_dependencies/fr_sequoia

  • Deskripsi konfigurasi : UD_French-Sequoia adalah konversi otomatis dari Sequoia Treebank corpus French Sequoia corpus.

  • Ukuran unduhan : 4.21 MiB

  • Ukuran dataset : 6.18 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'dev' 412
'test' 456
'train' 2.231

universal_dependencies/gl_ctg

  • Deskripsi konfigurasi : Bank pohon Galician UD didasarkan pada penguraian otomatis dari Galician Technical Corpus ( http://sli.uvigo.gal/CTG ) yang dibuat di Universitas Vigo oleh kelompok riset TALG NLP.

  • Ukuran unduhan : 7.85 MiB

  • Ukuran dataset : 10.81 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'dev' 860
'test' 861
'train' 2.272

universal_dependencies/gl_treegal

  • Deskripsi konfigurasi : Galician-TreeGal adalah treebank untuk Galicia yang dikembangkan di LyS Group (Universidade da Coruña).

  • Ukuran unduhan : 1.66 MiB

  • Ukuran dataset : 2.35 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'test' 400
'train' 600

universal_dependencies/de_gsd

  • Deskripsi konfigurasi : UD Jerman dikonversi dari versi kepala konten dari treebank ketergantungan universal v2.0 (lawas).

  • Ukuran unduhan : 20.69 MiB

  • Ukuran dataset : 29.60 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'dev' 799
'test' 977
'train' 13.814

universal_dependencies/de_hdt

  • Deskripsi konfigurasi : UD German-HDT adalah konversi dari Hamburg Dependency Treebank, yang dibuat di Universitas Hamburg melalui anotasi manual bersama dengan standar untuk kalimat anotasi morfologis dan sintaksis serta parser berbasis kendala.

  • Ukuran unduhan : 242.97 MiB

  • Ukuran dataset : 347.93 MiB

  • Di-cache otomatis ( dokumentasi ): Tidak

  • Perpecahan :

Membelah Contoh
'dev' 18.434
'test' 18.459
'train' 153.035

universal_dependencies/de_lit

  • Deskripsi Config : Treebank ini bertujuan untuk mengumpulkan teks sejarah sastra Jerman. Saat ini, ia menampung Fragmen Romantisisme awal, yaitu teks-teks mirip pepatah yang terutama membahas masalah filosofis tentang seni, keindahan, dan topik terkait.

  • Ukuran unduhan : 1.97 MiB

  • Ukuran dataset : 2.49 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'test' 1.922

universal_dependencies/de_pud

  • Deskripsi konfigurasi : Ini adalah bagian dari treebank Parallel Universal Dependencies (PUD) yang dibuat untuk tugas bersama CoNLL 2017 tentang Parsing Multibahasa dari Teks Mentah ke Dependensi Universal.

  • Ukuran unduhan : 1.65 MiB

  • Ukuran dataset : 2.20 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'test' 1.000

universal_dependencies/got_proiel

  • Deskripsi konfigurasi : UD Gothic treebank didasarkan pada data Gothic dari PROIEL treebank, dan terdiri dari terjemahan Alkitab Wulfila.

  • Ukuran unduhan : 4.98 MiB

  • Ukuran dataset : 7.17 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'dev' 985
'test' 1.029
'train' 3.387

universal_dependencies/el_gdt

  • Deskripsi konfigurasi : Treebank UD Yunani (UD_Greek-GDT) berasal dari Treebank Ketergantungan Yunani ( http://gdt.ilsp.gr ), sumber daya yang dikembangkan dan dikelola oleh para peneliti di Institute for Language and Speech Processing/Athena RC ( http://www.ilsp.gr ).

  • Ukuran unduhan : 5.52 MiB

  • Ukuran dataset : 7.49 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'dev' 403
'test' 456
'train' 1.662

universal_dependencies/gub_tudet

  • Deskripsi konfigurasi : UD_Guajajara-TuDeT adalah kumpulan kalimat beranotasi di Guajajara. Kalimat berasal dari berbagai sumber seperti deskripsi bahasa, cerita pendek, kamus dan terjemahan dari Perjanjian Baru. Anotasi dan dokumentasi kalimat oleh Lorena Martín Rodríguez dan Fabrício Ferraz Gerardi.

  • Ukuran unduhan : 683.38 KiB

  • Ukuran dataset : 738.09 KiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'test' 1.126

universal_dependencies/gn_oldtudet

  • Deskripsi konfigurasi : UD_Guarani-OldTuDeT adalah kumpulan teks beranotasi di Old Guaraní. Semua sumber yang dikenal dalam bahasa ini diberi anotasi: kathesisme, tata bahasa (abad ketujuh belas dan kedelapan belas), kalimat dari kamus, dan teks lainnya. Anotasi dan dokumentasi kalimat oleh Fabrício Ferraz Gerardi dan Lorena Martín Rodríguez.

  • Ukuran unduhan : 18.93 KiB

  • Ukuran dataset : 24.71 KiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'test' 59

universal_dependencies/he_htb

  • Deskripsi konfigurasi : Corpus Ketergantungan Universal untuk bahasa Ibrani.

  • Ukuran unduhan : 11.64 MiB

  • Ukuran dataset : 16.10 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'dev' 484
'test' 491
'train' 5.241

universal_dependencies/he_iahltwiki

  • Deskripsi konfigurasi : Bagian Wikipedia IAHLT UD Hebrew Treebank yang tersedia untuk umum ( https://www.iahlt.org/ )

  • Ukuran unduhan : 10.30 MiB

  • Ukuran dataset : 14.16 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'dev' 348
'test' 393
'train' 4.298

universal_dependencies/qfn_fame

  • Deskripsi konfigurasi : UD_Frisian_Dutch-Fame adalah pilihan dari 400 kalimat dari FAME! korpus pidato oleh Yilmaz et al. (2016a, 2016b). Treebank dianotasi secara manual menggunakan skema UD.

  • Ukuran unduhan : 232.57 KiB

  • Ukuran dataset : 290.88 KiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'test' 400

universal_dependencies/qhe_hiencs

  • Deskripsi konfigurasi : Bank pohon alih kode bahasa Hindi-Inggris didasarkan pada tweet alih kode dari penutur multibahasa bahasa Hindi dan Inggris (kebanyakan orang India) di Twitter. Treebank dianotasi secara manual menggunakan skema UD. Set pelatihan dan evaluasi dianotasi secara terpisah oleh annotator yang berbeda menggunakan panduan UD v2 dan v1. Set evaluasi secara otomatis dikonversi dari UD v1 ke v2.

  • Ukuran unduhan : 893.15 KiB

  • Ukuran dataset : 1.53 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'dev' 225
'test' 225
'train' 1.448

universal_dependencies/hi_hdtb

  • Deskripsi konfigurasi : Treebank Hindi UD didasarkan pada Hindi Dependency Treebank (HDTB), dibuat di IIIT Hyderabad, India.

  • Ukuran unduhan : 49.18 MiB

  • Ukuran dataset : 68.06 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'dev' 1.659
'test' 1.684
'train' 13.304

universal_dependencies/hi_pud

  • Deskripsi konfigurasi : Ini adalah bagian dari treebank Parallel Universal Dependencies (PUD) yang dibuat untuk tugas bersama CoNLL 2017 tentang Parsing Multibahasa dari Teks Mentah ke Dependensi Universal.

  • Ukuran unduhan : 2.20 MiB

  • Ukuran dataset : 2.82 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'test' 1.000

universal_dependencies/hu_szeged

  • Deskripsi konfigurasi : Treebank UD Hungaria berasal dari Treebank Ketergantungan Szeged (Vincze et al. 2010).

  • Ukuran unduhan : 2.92 MiB

  • Ukuran dataset : 4.20 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'dev' 441
'test' 449
'train' 910

universal_dependencies/is_modern

  • Deskripsi konfigurasi : UD_Icelandic-Modern adalah konversi penambahan modern pada Icelandic Parsed Historical Corpus (IcePaHC) ke skema Universal Dependencies.

  • Ukuran unduhan : 9.02 MiB

  • Ukuran dataset : 12.32 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'dev' 784
'test' 768
'train' 5.376

universal_dependencies/is_icepahc

  • Deskripsi konfigurasi : UD_Icelandic-IcePaHC adalah konversi dari Icelandic Parsed Historical Corpus (IcePaHC) ke skema Universal Dependencies. Konversi dilakukan dengan menggunakan UDConverter.

  • Ukuran unduhan : 81.16 MiB

  • Ukuran dataset : 112.07 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'dev' 4.865
'test' 5.157
'train' 34.007

universal_dependencies/is_pud

  • Deskripsi konfigurasi : Icelandic-PUD adalah bagian Islandia dari treebank Parallel Universal Dependencies (PUD).

  • Ukuran unduhan : 1.45 MiB

  • Ukuran dataset : 1.89 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'test' 1.000

universal_dependencies/id_csui

  • Deskripsi konfigurasi : UD Indonesian-CSUI adalah konversi dari bank pohon daerah pemilihan Indonesia dalam format Penn Treebank bernama Kethu yang juga merupakan konversi dari bank pohon daerah pemilihan yang dibangun oleh Dinakaramani et al. (2015). Treebank ini kami beri nama Indonesian-CSUI, karena ketiga versi treebank ini dibangun di Fakultas Ilmu Komputer Universitas Indonesia.

  • Ukuran unduhan : 1.62 MiB

  • Ukuran dataset : 1.97 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'test' 374
'train' 656

universal_dependencies/id_gsd

  • Deskripsi Config : UD bahasa Indonesia dikonversi dari versi content head dari universal dependency treebank v2.0 (legacy).

  • Ukuran unduhan : 9.15 MiB

  • Ukuran dataset : 11.25 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'dev' 559
'test' 557
'train' 4.482

universal_dependencies/id_pud

  • Deskripsi konfigurasi : Ini adalah bagian dari treebank Parallel Universal Dependencies (PUD) yang dibuat untuk tugas bersama CoNLL 2017 tentang Parsing Multibahasa dari Teks Mentah ke Dependensi Universal.

  • Ukuran unduhan : 1.10 MiB

  • Ukuran dataset : 1.44 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'test' 1.000

universal_dependencies/ga_idt

  • Deskripsi konfigurasi : Ketergantungan Universal Bank pohon 4910 kalimat untuk Irlandia modern.

  • Ukuran unduhan : 7.62 MiB

  • Ukuran dataset : 10.77 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'dev' 451
'test' 454
'train' 4.005

universal_dependencies/ga_twittirish

  • Deskripsi konfigurasi : Sebuah treebank Ketergantungan Universal dari 866 tweet dalam bahasa Irlandia modern.

  • Ukuran unduhan : 782.30 KiB

  • Ukuran dataset : 1.13 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'test' 866

universal_dependencies/it_isdt

  • Deskripsi konfigurasi : Korpus Italia yang dianotasi menurut skema anotasi UD diperoleh dengan konversi dari ISDT (Italian Stanford Dependency Treebank), dirilis untuk tugas bersama penguraian dependensi Evalita-2014 (Bosco et al. 2014).

  • Ukuran unduhan : 20.03 MiB

  • Ukuran dataset : 29.18 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'dev' 564
'test' 482
'train' 13.121

universal_dependencies/it_partut

  • Deskripsi Config : UD_Italian-ParTUT adalah konversi dari treebank paralel multibahasa yang dikembangkan di University of Turin, dan terdiri dari berbagai genre teks, antara lain pembicaraan, teks hukum, dan artikel Wikipedia.

  • Ukuran unduhan : 3.42 MiB

  • Ukuran dataset : 4.83 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'dev' 156
'test' 153
'train' 1.781

universal_dependencies/it_postwita

  • Deskripsi konfigurasi : PoSTWITA-UD adalah kumpulan tweet berbahasa Italia yang dianotasi dalam Universal Dependencies yang dapat dimanfaatkan untuk pelatihan sistem NLP guna meningkatkan kinerjanya pada teks media sosial.

  • Ukuran unduhan : 7.27 MiB

  • Ukuran dataset : 10.47 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'test' 822

universal_dependencies/ja_pud

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'test' 100

universal_dependencies/es_ancora

  • Config description : Spanish data from the AnCora corpus.

  • Download size : 50.23 MiB

  • Dataset size : 66.53 MiB

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'dev' 1,400
'test' 426
'train' 14,187

universal_dependencies/es_pud

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'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

  • Di-cache otomatis ( dokumentasi ): Ya

  • Perpecahan :

Membelah Contoh
'test' 309