اپوس

• توضیحات :

OPUS مجموعه ای از متون ترجمه شده از وب است.

پیکربندی خود را ایجاد کنید تا انتخاب کنید کدام جفت داده / زبان بارگیری شود.

config = tfds.translate.opus.OpusConfig(
    version=tfds.core.Version('0.1.0'),
    language_pair=("de", "en"),
    subsets=["GNOME", "EMEA"]
)
builder = tfds.builder("opus", config=config)

• اسناد اضافی : کاوش در کاغذها با کد north_east

• صفحه اصلی : http://opus.nlpl.eu/

• کد منبع : tfds.datasets.opus.Builder

• نسخه ها :

  • 0.1.0 (پیش فرض): بدون یادداشت انتشار.

• ساختار ویژگی :

Translation({
    'de': Text(shape=(), dtype=string),
    'en': Text(shape=(), dtype=string),
})

• مستندات ویژگی :

• کلیدهای نظارت شده (نگاه کنید به as_supervised doc ): ('de', 'en')

• شکل ( tfds.show_examples ): پشتیبانی نمی شود.

• نقل قول :

@inproceedings{Tiedemann2012ParallelData,
  author = {Tiedemann, J},
  title = {Parallel Data, Tools and Interfaces in OPUS},
  booktitle = {LREC}
  year = {2012} }

opus/medical (پیکربندی پیش فرض)

• توضیحات پیکربندی : اسناد پزشکی

• حجم دانلود : 34.29 MiB

• حجم مجموعه داده : 188.85 MiB

• ذخیره خودکار ( مستندات ): فقط زمانی که shuffle_files=False (قطار)

• تقسیم ها :

• مثال‌ها ( tfds.as_dataframe ):

اثر/قانون

• توضیحات پیکربندی : اسناد قانونی

• حجم دانلود : 46.99 MiB

• حجم مجموعه داده : 214.44 MiB

• ذخیره خودکار ( مستندات ): فقط زمانی که shuffle_files=False (قطار)

• تقسیم ها :

• مثال‌ها ( tfds.as_dataframe ):

opus/koran

• توضیحات پیکربندی : اسناد قرآنی

• حجم دانلود : 35.42 MiB

• حجم مجموعه داده : 117.54 MiB

• ذخیره خودکار ( اسناد ): بله

• تقسیم ها :

• مثال‌ها ( tfds.as_dataframe ):

opus/IT

• توضیحات پیکربندی : اسناد IT

• حجم دانلود : 10.33 MiB

• حجم مجموعه داده : 42.51 MiB

• ذخیره خودکار ( اسناد ): بله

• تقسیم ها :

• مثال‌ها ( tfds.as_dataframe ):

اپوس/زیرنویس

• توضیحات پیکربندی : اسناد زیرنویس

• حجم دانلود : 677.64 MiB

• حجم مجموعه داده : 2.01 GiB

• ذخیره خودکار ( اسناد ): خیر

• تقسیم ها :

• مثال‌ها ( tfds.as_dataframe ):