افیون

• توضیحات :

OPUS مجموعه متون ترجمه شده از وب است.

پیکربندی خود را برای انتخاب جفت داده / زبان برای بارگیری ایجاد کنید.

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)

• صفحه اصلی : http://opus.nlpl.eu/

• کد منبع : tfds.translate.Opus

• نسخه ها :

  • 0.1.0 (پیش فرض): بدون یادداشت انتشار.

• ویژگی ها :

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

• کلیدهای تحت نظارت (به as_supervised سند نظارت شده مراجعه کنید): ('de', 'en')

• نقل قول :

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

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

opus / medical (پیکربندی پیش فرض)

• شرح پیکربندی : اسناد پزشکی

• اندازه بارگیری : 34.29 MiB

• اندازه مجموعه داده : 188.85 MiB

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

• تقسیم :

• مثالها ( tfds.as_dataframe ):

اپوس / قانون

• شرح پیکربندی : اسناد قانون

• حجم دانلود : 46.99 MiB

• اندازه مجموعه داده : 214.44 MiB

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

• تقسیم :

• مثالها ( tfds.as_dataframe ):

اپوس / قرآن

• شرح پیکربندی : اسناد قرآن

• حجم دانلود : 35.42 MiB

• اندازه مجموعه داده : 117.54 MiB

• ذخیره خودکار ( مستندات ): بله

• تقسیم :

• مثالها ( tfds.as_dataframe ):

opus / IT

• شرح پیکربندی : اسناد IT

• اندازه بارگیری : 10.33 MiB

• اندازه مجموعه داده : 42.51 MiB

• ذخیره خودکار ( مستندات ): بله

• تقسیم :

• مثالها ( tfds.as_dataframe ):

opus / زیرنویس

• توضیحات پیکربندی : اسناد زیرنویس

• حجم دانلود : 677.64 MiB

• اندازه مجموعه داده : 2.01 GiB

• ذخیره خودکار ( مستندات ): خیر

• تقسیم :

• مثالها ( tfds.as_dataframe ):