Referencias:
unshuffled_deduplicated_af
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_af')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 130640 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_als
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_als')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 4518 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_arz
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_arz')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 79928 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_an
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_an')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 2025 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_ast
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ast')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 5343 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_ba
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ba')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 27050 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_am
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_am')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 43102 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_as
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_as')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 9212 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_azb
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_azb')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 9985 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_be
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_be')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 307405 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_bo
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_bo')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 15762 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_bxr
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_bxr')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 36 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_ceb
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ceb')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 26145 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_az
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_az')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 626796 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_bcl
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_bcl')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 1 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_cy
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_cy')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 98225 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_dsb
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_dsb')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 37 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_bn
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_bn')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 1114481 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_bs
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_bs')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 702 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_ce
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ce')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 2984 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_cv
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_cv')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 10130 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_diq
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_diq')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 1 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_eml
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_eml')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 80 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_et
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_et')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 1172041 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_bg
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_bg')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 3398679 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_bpy
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_bpy')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 1770 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_ca
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ca')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 2458067 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_ckb
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ckb')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 68210 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_ar
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ar')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 9006977 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_av
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_av')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 360 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
barra_deduplicada_unshuffled
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_bar')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 4 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_bh
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_bh')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 82 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_br
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_br')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 14724 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_cbk
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_cbk')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 1 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_da
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_da')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 4771098 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_dv
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_dv')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 17024 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_eo
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_eo')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 84752 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_fa
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_fa')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 8203495 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_fy
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_fy')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 20661 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_gn
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_gn')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 68 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_cs
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_cs')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 12308039 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_hi
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_hi')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 1909387 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_hu
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_hu')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 6582908 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_ie
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ie')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 11 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_fr
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_fr')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 59448891 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_gd
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_gd')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 3883 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_gu
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_gu')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 169834 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_hsb
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_hsb')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 3084 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_ia
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ia')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 529 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_io
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_io')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 617 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_jbo
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_jbo')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 617 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_km
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_km')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 108346 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_ku
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ku')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 29054 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_la
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_la')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 18808 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_lmo
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_lmo')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 1374 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_lv
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_lv')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 843195 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_min
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_min')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 166 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_mr
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_mr')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 212556 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_mwl
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_mwl')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 7 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_nah
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_nah')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 58 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicado_nuevo
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_new')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 2126 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_oc
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_oc')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 6485 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_pam
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_pam')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 1 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_ps
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ps')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 67921 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_it
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_it')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 28522082 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_ka
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ka')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 372158 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_ro
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ro')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 5044757 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_scn
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_scn')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 17 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_ko
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ko')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 3675420 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_kw
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_kw')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 68 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_lez
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_lez')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 1381 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_lrc
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_lrc')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 72 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_mg
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_mg')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 13343 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_ml
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ml')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 453904 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_ms
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ms')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 183443 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_myv
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_myv')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 5 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_nds
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_nds')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 8714 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_nn
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_nn')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 109118 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_os
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_os')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 2559 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_pms
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_pms')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 2859 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_qu
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_qu')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 411 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_sa
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_sa')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 7121 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_sk
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_sk')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 2820821 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_sh
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_sh')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 17610 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_so
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_so')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 42 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_sr
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_sr')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 645747 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_ta
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ta')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 833101 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_tk
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_tk')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 4694 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_tyv
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_tyv')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 24 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_uz
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_uz')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 15074 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_wa
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_wa')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 677 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_xmf
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_xmf')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 2418 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_sv
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_sv')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 11014487 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_tg
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_tg')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 56259 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_de
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_de')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 62398034 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_tr
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_tr')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 11596446 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_el
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_el')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 6521169 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_uk
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_uk')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 7782375 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_vi
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_vi')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 9897709 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_wuu
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_wuu')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 64 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_yo
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_yo')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 49 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_als
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_als')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 7324 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_arz
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_arz')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 158113 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
sin barajar_original_az
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_az')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 912330 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_bcl
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_bcl')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 1 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
sin mezclar_original_bn
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_bn')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 1675515 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
sin mezclar_original_bs
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_bs')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 2143 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_ce
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_ce')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 4042 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
cv_original_sin mezclar
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_cv')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 20281 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_diq
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_diq')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 1 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_eml
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_eml')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 84 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
sin mezclar_original_et
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_et')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 2093621 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_zh
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_zh')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 41708901 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_an
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_an')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 2449 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_ast
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_ast')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 6999 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_ba
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_ba')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 42551 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_bg
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_bg')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 5869686 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
sin mezclar_original_bpy
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_bpy')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 6046 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_ca
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_ca')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 4390754 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_ckb
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_ckb')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 103639 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_es
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_es')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 56326016 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_da
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_da')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 7664010 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_dv
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_dv')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 21018 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_eo
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_eo')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 121168 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_fi
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_fi')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 5326443 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_ga
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ga')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 46493 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_gom
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_gom')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 484 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_hr
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_hr')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 321484 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_hy
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_hy')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 396093 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_ilo
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ilo')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 1578 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_fa
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_fa')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 13704702 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_fy
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_fy')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 33053 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
sin mezclar_original_gn
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_gn')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 106 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_hi
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_hi')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 3264660 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_hu
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_hu')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 11197780 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
sin mezclar_original_es
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_ie')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 101 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_ja
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ja')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 39496439 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_kk
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_kk')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 338073 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_krc
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_krc')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 1377 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_ky
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ky')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 86561 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_li
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_li')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 118 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_lt
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_lt')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 1737411 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_mhr
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_mhr')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 2515 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_mn
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_mn')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 197878 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_mt
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_mt')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 16383 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_mzn
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_mzn')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 917 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_ne
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ne')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 219334 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_no
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_no')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 3229940 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_pa
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_pa')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 87235 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_pnb
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_pnb')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 3463 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_rm
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_rm')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 34 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_sah
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_sah')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 8555 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_si
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_si')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 120684 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_sq
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_sq')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 461598 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_sw
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_sw')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 24803 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_th
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_th')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 3749826 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_tt
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_tt')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 82738 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_ur
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ur')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 428674 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_vo
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_vo')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 3317 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_xal
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_xal')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 36 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_yue
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_yue')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 7 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_am
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_am')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 83663 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
sin mezclar_original_as
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_as')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 14985 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_azb
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_azb')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 15446 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_be
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_be')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 586031 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_bo
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_bo')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 26795 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_bxr
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_bxr')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 42 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_ceb
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_ceb')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 56248 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_cy
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_cy')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 157698 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_dsb
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_dsb')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | sesenta y cinco |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_fr
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_fr')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 96742378 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_gd
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_gd')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 5799 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_gu
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_gu')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 240691 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_hsb
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_hsb')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 7959 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_ia
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_ia')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 1040 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_io
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_io')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 694 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_jbo
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_jbo')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 832 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
km_original_sin mezclar
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_km')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 159363 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_ku
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_ku')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 46535 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_la
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_la')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 94588 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_lmo
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_lmo')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 1401 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_lv
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_lv')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 1593820 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
sin mezclar_original_min
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_min')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 220 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_mr
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_mr')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 326804 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_mwl
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_mwl')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 8 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_nah
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_nah')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 61 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
sin mezclar_original_nuevo
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_new')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 4696 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_oc
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_oc')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 10709 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
pam_original_sin mezclar
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_pam')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 3 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
sin mezclar_original_ps
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_ps')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 98216 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_ro
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_ro')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 9387265 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_scn
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_scn')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 21 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
sin mezclar_original_sk
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_sk')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 5492194 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
sin barajar_original_sr
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_sr')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 1013619 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
sin barajar_original_ta
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_ta')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 1263280 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_tk
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_tk')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 6456 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_tyv
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_tyv')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 34 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
sin barajar_original_uz
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_uz')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 27537 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_wa
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_wa')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 1001 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_xmf
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_xmf')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 3783 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
sin mezclar_original_it
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_it')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 46981781 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_ka
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_ka')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 563916 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_ko
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_ko')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 7345075 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
sin mezclar_original_kw
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_kw')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 203 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_lez
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_lez')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 1485 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_lrc
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_lrc')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 88 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
sin mezclar_original_mg
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_mg')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 17957 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
sin mezclar_original_ml
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_ml')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 603937 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_ms
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_ms')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 534016 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_myv
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_myv')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 6 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
nds_originales sin mezclar
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_nds')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 18174 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
sin mezclar_original_nn
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_nn')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 185884 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_os
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_os')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 5213 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_pms
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_pms')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 3225 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_qu
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_qu')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 452 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_sa
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_sa')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 14291 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
sin mezclar_original_sh
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_sh')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 36700 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
sin mezclar_original_so
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_so')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 156 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_sv
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_sv')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 17395625 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_tg
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_tg')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 89002 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
sin mezclar_original_tr
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_tr')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 18535253 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_uk
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_uk')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 12973467 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_vi
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_vi')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 14898250 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_wuu
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_wuu')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 214 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_yo
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_yo')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 214 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
sin mezclar_original_zh
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_zh')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 60137667 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_en
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_en')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 304230423 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_eu
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_eu')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 256513 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_frr
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_frr')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 7 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_gl
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_gl')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 284320 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_he
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_he')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 2375030 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_ht
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ht')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 9 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_id
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_id')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 9948521 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_is
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_is')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 389515 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_jv
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_jv')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 1163 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_kn
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_kn')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 251064 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_kv
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_kv')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 924 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_lb
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_lb')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 21735 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_lo
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_lo')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 32652 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_mai
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_mai')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 25 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_mk
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_mk')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 299457 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_mrj
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_mrj')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 669 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_my
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_my')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 136639 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
siesta_deduplicada_unshuffled
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_nap')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 55 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_nl
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_nl')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 20812149 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_or
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_or')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 44230 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_pl
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_pl')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 20682611 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_pt
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_pt')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 26920397 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_ru
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ru')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 115954598 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_sd
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_sd')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 33925 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_sl
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_sl')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 886223 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_su
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_su')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 511 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_te
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_te')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 312644 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_tl
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_tl')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 294132 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_ug
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ug')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 15503 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_vec
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_vec')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 64 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
guerra_deduplicada_unshuffled
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_war')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 9161 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_deduplicated_yi
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_yi')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 32919 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
sin barajar_original_af
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_af')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 201117 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
sin barajar_original_ar
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_ar')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 16365602 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_av
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_av')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 456 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
barra_original_sin barajar
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_bar')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 4 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_bh
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_bh')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 336 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
sin mezclar_original_br
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_br')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 37085 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_cbk
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_cbk')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 1 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_cs
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_cs')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 21001388 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_de
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_de')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 104913504 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
sin barajar_original_el
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_el')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 10425596 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_es
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_es')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 88199221 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_fi
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_fi')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 8557453 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_ga
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_ga')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 83223 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_gom
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_gom')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 640 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
sin barajar_original_hr
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_hr')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 582219 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_hy
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_hy')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 659430 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_ilo
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_ilo')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 2638 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_ja
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_ja')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 62721527 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_kk
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_kk')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 524591 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_krc
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_krc')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 1581 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_ky
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_ky')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 146993 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_li
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_li')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 137 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
sin mezclar_original_lt
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_lt')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 2977757 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_mhr
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_mhr')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 3212 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
sin barajar_original_mn
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_mn')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 395605 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
sin mezclar_original_mt
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_mt')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 26598 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_mzn
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_mzn')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 1055 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
sin mezclar_original_ne
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_ne')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 299938 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
sin mezclar_original_no
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_no')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 5546211 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_pa
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_pa')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 127467 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
sin mezclar_original_pnb
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_pnb')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 4599 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
sin mezclar_original_rm
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_rm')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 41 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_sah
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_sah')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 22301 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
sin mezclar_original_si
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_si')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 203082 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
sin mezclar_original_sq
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_sq')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 672077 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_sw
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_sw')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 41986 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_th
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_th')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 6064129 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
sin mezclar_original_tt
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_tt')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 135923 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
sin barajar_original_ur
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_ur')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 638596 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_vo
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_vo')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 3366 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
sin mezclar_original_xal
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_xal')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 39 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_yue
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_yue')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 11 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_en
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_en')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 455994980 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_eu
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_eu')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 506883 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_frr
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_frr')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 7 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_gl
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_gl')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 544388 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_he
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_he')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 3808397 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
sin mezclar_original_ht
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_ht')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 13 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
id_original_sin mezclar
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_id')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 16236463 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_is
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_is')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 625673 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_jv
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_jv')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 1445 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
sin mezclar_original_kn
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_kn')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 350363 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_kv
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_kv')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 1549 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
sin barajar_original_lb
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_lb')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 34807 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_lo
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_lo')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 52910 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_mai
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_mai')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 123 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_mk
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_mk')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 437871 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_mrj
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_mrj')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 757 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_my
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_my')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 232329 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
siesta_original_unshuffled
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_nap')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 73 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
sin mezclar_original_nl
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_nl')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 34682142 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_or
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_or')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 59463 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
sin mezclar_original_pl
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_pl')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 35440972 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
sin mezclar_original_pt
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_pt')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 42114520 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_ru
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_ru')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 161836003 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
sin mezclar_original_sd
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_sd')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 44280 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_sl
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_sl')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 1746604 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_su
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_su')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 805 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
sin mezclar_original_te
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_te')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 475703 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
sin mezclar_original_tl
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_tl')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 458206 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_ug
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_ug')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 22255 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_vec
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_vec')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 73 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
guerra_original_sin barajar
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_war')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 9760 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
unshuffled_original_yi
Utilice el siguiente comando para cargar este conjunto de datos en TFDS:
ds = tfds.load('huggingface:oscar/unshuffled_original_yi')
- Descripción :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.
Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:
- Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
- Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
- Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.
Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.
Versión : 1.0.0
Divisiones :
| Dividir | Ejemplos |
|---|---|
'train' | 59364 |
- Características :
{
"id": {
"dtype": "int64",
"id": null,
"_type": "Value"
},
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}