dipendenze_universali

  • Descrizione :

Universal Dependencies (UD) è un framework per l'annotazione coerente della grammatica (parti del discorso, caratteristiche morfologiche e dipendenze sintattiche) in diverse lingue umane. UD è uno sforzo comunitario aperto con oltre 300 contributori che producono più di 200 banche degli alberi in oltre 100 lingue. Se non conosci UD, dovresti iniziare leggendo la prima parte della Breve introduzione e poi sfogliando le linee guida per le annotazioni.

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

universal_dependencies/af_afribooms (configurazione predefinita)

  • Descrizione della configurazione : UD Afrikaans-AfriBooms è una conversione di AfriBooms Dependency Treebank, originariamente annotata con un set PoS semplificato e relazioni di dipendenza secondo un sottoinsieme del set di tag Stanford. Il corpus è costituito da atti di pubblica amministrazione. Il set di dati è stato proposto in "AfriBooms: An Online Treebank for Afrikaans" di Augustinus et al. (2016); https://www.aclweb.org/antology/L16-1107.pdf

  • Dimensione del download : 2.95 MiB

  • Dimensione del set di dati: 4.02 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 194
'test' 425
'train' 1.315

dipendenze_universali/akk_pisandub

  • Descrizione della configurazione : un piccolo insieme di frasi dalle iscrizioni reali babilonesi.

  • Dimensione del download : 99.41 KiB

  • Dimensione del set di dati: 126.32 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 101

dipendenze_universali/akk_riao

  • Descrizione della configurazione : UD_Akkadian-RIAO è un piccolo treebank composto da 22 277 parole e 1845 frasi. Ciò rappresenta un sottoinsieme intatto di un totale di 2211 frasi dalle prime iscrizioni reali neo-assire del X e IX secolo aEV. Queste iscrizioni reali sono state estratte da Oracc (Open Richly Annotated Cuneiform Corpus; http://oracc.museum.upenn.edu/riao/ ), dove tutte le iscrizioni reali neo-assire sono lemmatizzate parola per parola. La lingua del corpus è il babilonese standard, con occasionali assiri, mentre "accadico" è il termine generico sia per l'assiro che per il babilonese. Il treebank è stato annotato manualmente seguendo le linee guida di annotazione UD.

  • Dimensione del download : 1.87 MiB

  • Dimensione del set di dati: 2.79 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 1.874

dipendenze_universali/aqz_tudet

  • Descrizione della configurazione : UD_Akuntsu-TuDeT è una raccolta di testi annotati in Akuntsú. Insieme a UD_Tupinamba-TuDeT e UD_Munduruku-TuDeT, UD_Akuntsu-TuDeT fa parte del progetto TuLaR. Le frasi sono annotate da Carolina Aragon e Fabrício Ferraz Gerardi.

  • Dimensione del download : 67.25 KiB

  • Dimensione del set di dati: 97.39 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 243

dipendenze_universali/sq_tsa

  • Descrizione della configurazione : L'UD Treebank for Standard Albanian (TSA) è un piccolo treebank composto da 60 frasi corrispondenti a 922 token. I dati sono stati raccolti da diverse voci di Wikipedia. Questa banca degli alberi è stata creata principalmente manualmente seguendo le linee guida delle dipendenze universali. La lemmatizzazione è stata eseguita utilizzando il lemmatizzatore https://bitbucket.org/timarkh/uniparser-albanian-grammar/src/master/ sviluppato dal team del Corpus nazionale albanese (Maria Morozova, Alexander Rusakov, Timofey Arkhangelskiy). Il tagging e l'analisi morfologica sono stati semi-automatizzati tramite script Python e corretti manualmente, mentre le relazioni di dipendenza sono state assegnate completamente manualmente. Incoraggiamo qualsiasi iniziativa per aumentare le dimensioni e/o migliorare la qualità complessiva di Treebank.

  • Dimensione del download : 62.00 KiB

  • Dimensione del set di dati: 93.65 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 60

dipendenze_universali/am_att

  • Descrizione della configurazione : UD_Amharic-ATT è un Treebanks annotato manualmente. È annotato per tag POS, informazioni morfologiche e relazioni di dipendenza. Poiché l'amarico è una lingua morfologicamente ricca, pro-drop e con una caratteristica di raddoppio clitico, i clitici sono stati segmentati manualmente.

  • Dimensione del download : 995.32 KiB

  • Dimensione del set di dati : 1.33 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 1.074

dipendenze_universali/grc_perseus

  • Descrizione della configurazione : Questa Universal Dependencies Ancient Greek Treebank consiste in una conversione automatica di una selezione di passaggi dall'Ancient Greek and Latin Dependency Treebank 2.1

  • Dimensione del download : 18.02 MiB

  • Dimensione del set di dati: 24.52 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 1.137
'test' 1.306
'train' 11.476

dipendenze_universali/profilo_grc

  • Descrizione della configurazione : L'Ancient Greek Treebank PROIEL si basa sui dati dell'Antica Grecia provenienti dall'Ancient Greek Treebank, che è mantenuto presso il Dipartimento di Filosofia, Classici, Storia delle Arti e delle Idee dell'Università di Oslo. La conversione si basa sulla versione 20180408 della banca degli alberi PROIEL disponibile su https://github.com/proiel/proiel-treebank/releases Gli annotatori originali sono riconosciuti nei file disponibili lì. Il codice di conversione è disponibile in Rubygem proiel-cli, https://github.com/proiel/proiel-cli

  • Dimensione del download : 22.62 MiB

  • Dimensione del set di dati: 30.92 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 1.019
'test' 1.047
'train' 15.014

dipendenze_universali/apu_ufpa

  • Descrizione della configurazione : la versione iniziale contiene 70 frasi annotate. Questo è il primo banco di alberi in una lingua della famiglia Arawak. Le glosse interlineari originali sono incluse nella banca degli alberi e la loro conversione in un'annotazione UD completa è un processo continuo. I valori sent_id (es: FernandaM2017:Texto-6-19) sono rappresentativi del collettore, dell'anno di pubblicazione, dell'identificatore del testo e del numero della frase in ordine dal testo originale.

  • Dimensione del download : 95.51 KiB

  • Dimensione del set di dati: 98.49 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 115

dipendenze_universali/hbo_ptnk

  • Descrizione della configurazione : UD L'ebraico antico PTNK contiene porzioni della Biblia Hebraic Stuttgartensia con annotazioni morfologiche da ETCBC.

  • Dimensione del download : 3.11 MiB

  • Dimensione del set di dati: 4.28 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 439
'test' 410
'train' 730

dipendenze_universali/ar_nyuad

  • Descrizione della configurazione : la banca degli alberi è composta da 19.738 frasi (738889 token) e il suo dominio è principalmente newswire. L'annotazione è concessa in licenza secondo i termini di CC BY-SA 4.0 e il PATB originale può essere ottenuto dal sito Web ufficiale di LDC.

  • Dimensione del download : 55.87 MiB

  • Dimensione del set di dati: 78.33 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 1.986
'test' 1.963
'train' 15.789

dipendenze_universali/ar_padt

  • Descrizione della configurazione : La treebank UD Arabic-PADT si basa sulla Dependency Treebank (PADT) dell'arabo di Praga, creata presso l'Università Carlo di Praga.

  • Dimensione del download : 48.84 MiB

  • Dimensione del set di dati: 64.42 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 909
'test' 680
'train' 6.075

dipendenze_universali/ar_pud

  • Descrizione della configurazione : questa è una parte dei banchi di alberi delle dipendenze universali parallele (PUD) creati per l'attività condivisa CoNLL 2017 sull'analisi multilingue dal testo non elaborato alle dipendenze universali.

  • Dimensioni del download : 1.98 MiB

  • Dimensione del set di dati: 2.34 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 1.000

dipendenze_universali/aii_as

  • Descrizione della configurazione : Uppsala Assyrian Treebank è un piccolo treebank per Modern Standard Assyrian. Il corpus viene raccolto e annotato manualmente. I dati sono stati raccolti casualmente da diversi libri di testo e da una breve traduzione de Il mercante di Venezia.

  • Dimensione del download : 31.99 KiB

  • Dimensione del set di dati: 48.85 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 57

dipendenze_universali/bm_crb

  • Descrizione della configurazione : La banca degli alberi UD Bambara è una sezione del Corpus Référence du Bambara annotata nativamente con Dipendenze universali.

  • Dimensione del download : 873.37 KiB

  • Dimensione del set di dati : 1.25 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 1.026

dipendenze_universali/eu_bdt

  • Descrizione della configurazione : Il Basque UD treebank si basa su una conversione automatica da parte del Basque Dependency Treebank (BDT), creato presso l'Università dei Paesi Baschi dal gruppo di ricerca IXA NLP. Il treebank è composto da 8.993 frasi (121.443 token) e copre principalmente testi letterari e giornalistici.

  • Dimensione del download : 7.83 MiB

  • Dimensione del set di dati: 11.74 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 1.798
'test' 1.799
'train' 5.396

dipendenze_universali/bej_nsc

  • Descrizione della configurazione : un corpus di dipendenze universali per Beja, ramo nord-cuscitico del phylum afro-asiatico parlato principalmente in Sudan, Egitto ed Eritrea.

  • Dimensione del download : 136.52 KiB

  • Dimensione del set di dati: 168.15 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 56

dipendenze_universali/be_hse

  • Descrizione della configurazione : la banca degli alberi UD bielorussa si basa su un campione dei testi di notizie inclusi nel sottocorpus parallelo bielorusso-russo del Russian National Corpus, ricerca online disponibile all'indirizzo: http://ruscorpora.ru/search-para-be.html

  • Dimensione del download : 30.04 MiB

  • Dimensione del set di dati: 39.88 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 1.301
'test' 1.077
'train' 22.853

dipendenze_universali/bn_bru

  • Descrizione della configurazione : la banca degli alberi BRU bengalese è stata creata presso la Begum Rokeya University, Rangpur, dai membri del Semantics Lab.

  • Dimensione del download : 38.41 KiB

  • Dimensione del set di dati: 51.42 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 56

dipendenze_universali/bho_bhtb

  • Descrizione della configurazione : Bhojpuri UD Treebank (BHTB) v2.6 è composto da 6.664 token (357 frasi). Questo Treebank è una parte del progetto Treebank Universal Dependency. Inizialmente, è stato avviato da me (Atul) presso la Jawaharlal Nehru University, Nuova Delhi durante il lavoro di ricerca del dottorato. I dati BHTB contengono annotazioni sintattiche secondo lo schema di dipendenza-collegio elettorale, nonché tag e lemmi morfologici. In questi dati, XPOS è annotato in base al set di tag Part Of Speech (POS) del Bureau of Indian Standards (BIS).

  • Dimensione del download : 599.76 KiB

  • Dimensione del set di dati: 817.23 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 357

dipendenze_universali/br_keb

  • Descrizione della configurazione : UD Breton-KEB è un treebank di Breton che è stato annotato manualmente secondo le linee guida delle dipendenze universali. Le linee guida per la tokenizzazione e l'annotazione morfologica provengono da un analizzatore morfologico a stati finiti del bretone rilasciato nell'ambito del progetto Apertium.

  • Dimensione del download : 663.63 KiB

  • Dimensione del set di dati: 863.36 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 888

dipendenze_universali/bg_btb

  • Descrizione della configurazione : UD_Bulgarian-BTB si basa su BulTreeBank basato su HPSG, creato presso l'Istituto di tecnologie dell'informazione e della comunicazione, Accademia bulgara delle scienze. L'originale è composto da 215.000 token (oltre 15.000 frasi).

  • Dimensione del download : 14.22 MiB

  • Dimensione del set di dati: 20.01 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 1.115
'test' 1.116
'train' 8.907

dipendenze_universali/bxr_bdt

  • Descrizione della configurazione : la banca degli alberi UD Buryat è stata annotata manualmente in modo nativo in UD e contiene frasi di libri di grammatica, insieme a notizie e un po' di narrativa.

  • Dimensione del download : 710.23 KiB

  • Dimensione del set di dati: 1018.12 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 908
'train' 19

dipendenze_universali/yue_hk

  • Descrizione della configurazione : Una banca d'albero cantonese (in caratteri cinesi tradizionali) di sottotitoli di film e di procedimenti legislativi di Hong Kong, parallela alla banca d'albero cinese-HK.

  • Dimensione del download : 693.38 KiB

  • Dimensione del set di dati : 1.04 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 1.004

dipendenze_universali/ca_ancora

  • Descrizione della configurazione : dati catalani dal corpus di AnCora.

  • Dimensione del download : 48.14 MiB

  • Dimensione del set di dati: 64.03 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 1.709
'test' 1.846
'train' 13.123

dipendenze_universali/ceb_gja

  • Descrizione della configurazione : UD_Cebuano_GJA è una raccolta di frasi campione Cebuano con annotazioni prese casualmente da tre diverse fonti: campioni forniti dalla comunità dal sito web Tatoeba, un libro di grammatica Cebuano di Bunye & Yap (1971) e la grammatica di riferimento di Tanangkinsing su Cebuano (2011). Questo progetto è attualmente in lavorazione.

  • Dimensione del download : 99.30 KiB

  • Dimensione del set di dati: 136.74 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 188

dipendenze_universali/zh_cfl

  • Descrizione della configurazione : Il treebank Chinese-CFL UD è annotato manualmente da Keying Li con piccole revisioni manuali di Herman Leung e John Lee della City University di Hong Kong, sulla base di saggi scritti da studenti di cinese mandarino come lingua straniera. I dati sono in cinese semplificato.

  • Dimensione del download : 375.71 KiB

  • Dimensione del set di dati: 558.45 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 451

dipendenze_universali/zh_gsd

  • Descrizione della configurazione : cinese tradizionale Universal Dependencies Treebank annotato e convertito da Google.

  • Dimensione del download : 6.48 MiB

  • Dimensione del set di dati: 8.88 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 500
'test' 500
'train' 3.997

dipendenze_universali/zh_gsdsimp

  • Descrizione della configurazione : set di dati Dipendenze universali cinese semplificato convertito dal set di dati GSD (tradizionale) con correzioni manuali.

  • Dimensione del download : 6.48 MiB

  • Dimensione del set di dati: 8.88 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 500
'test' 500
'train' 3.997

dipendenze_universali/zh_hk

  • Descrizione della configurazione : Un albero cinese tradizionale di sottotitoli di film e di procedimenti legislativi di Hong Kong, parallelo al albero cantonese-HK.

  • Dimensione del download : 482.85 KiB

  • Dimensione del set di dati: 779.66 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 1.004

dipendenze_universali/zh_pud

  • Descrizione della configurazione : questa è una parte dei banchi di alberi delle dipendenze universali parallele (PUD) creati per l'attività condivisa CoNLL 2017 sull'analisi multilingue dal testo non elaborato alle dipendenze universali.

  • Dimensione del download : 1.53 MiB

  • Dimensione del set di dati : 1.95 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 1.000

dipendenze_universali/ckt_hse

  • Descrizione della configurazione : Questi dati sono un'annotazione manuale del corpus dal corpus annotato multimediale del progetto Chuklang, un corpus dialettale della variante Amguema di Chukchi.

  • Dimensione del download : 793.16 KiB

  • Dimensione del set di dati: 828.50 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 1.004

dipendenze_universali/lzh_kyoto

  • Descrizione della configurazione : Cinese classico Universal Dependencies Treebank annotato e convertito dall'Institute for Research in Humanities, Kyoto University.

  • Dimensione del download : 26.86 MiB

  • Dimensione del set di dati: 39.40 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 5.687
'test' 4.932
'train' 48.569

dipendenze_universali/cop_scriptorium

  • Descrizione della configurazione : UD Coptic contiene testi copti sahidici annotati manualmente, inclusi testi biblici, sermoni, lettere e agiografia.

  • Dimensione del download : 4.73 MiB

  • Dimensione del set di dati : 6.12 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 381
'test' 403
'train' 1.227

dipendenze_universali/set_ora

  • Descrizione della configurazione : Il treebank UD croato si basa sull'estensione del corpus SETimes-HR, il corpus hr500k.

  • Dimensione del download : 14.41 MiB

  • Dimensione del set di dati: 20.43 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 960
'test' 1.136
'train' 6.914

dipendenze_universali/cs_cac

  • Descrizione della configurazione : La treebank UD_Czech-CAC è basata sul Czech Academic Corpus 2.0 (CAC; Český akademický korpus; ČAK), creato presso la Charles University di Praga.

  • Dimensione del download : 53.72 MiB

  • Dimensione del set di dati: 73.74 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 603
'test' 628
'train' 23.478

dipendenze_universali/cs_cltt

  • Descrizione della configurazione : La banca degli alberi UD_Czech-CLTT si basa sul testo legale ceco Treebank 1.0, creato presso la Charles University di Praga.

  • Dimensione del download : 3.57 MiB

  • Dimensione del set di dati: 4.73 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 129
'test' 136
'train' 860

dipendenze_universali/cs_fictree

  • Descrizione della configurazione : FicTree è una banca di alberi di narrativa ceca, convertita automaticamente nel formato UD. Il treebank è stato costruito presso l'Università Carlo di Praga.

  • Dimensione del download : 16.65 MiB

  • Dimensione del set di dati: 23.29 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 1.309
'test' 1.291
'train' 10.160

dipendenze_universali/cs_pdt

  • Descrizione della configurazione : La treebank UD Czech-PDT è basata sulla Prague Dependency Treebank 3.0 (PDT), creata presso la Charles University di Praga.

  • Dimensione del download : 164.29 MiB

  • Dimensione del set di dati: 224.30 MiB

  • Cache automatica ( documentazione ): Sì (sviluppo, test), solo quando shuffle_files=False (treno)

  • Divisioni :

Diviso Esempi
'dev' 9.270
'test' 10.148
'train' 68.495

dipendenze_universali/cs_pud

  • Descrizione della configurazione : questa è una parte dei banchi di alberi delle dipendenze universali parallele (PUD) creati per l'attività condivisa CoNLL 2017 sull'analisi multilingue dal testo non elaborato alle dipendenze universali.

  • Dimensione del download : 2.14 MiB

  • Dimensione del set di dati: 2.76 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 1.000

dipendenze_universali/da_ddt

  • Descrizione della configurazione : la banca degli alberi UD danese è una conversione della banca degli alberi delle dipendenze danese.

  • Dimensione del download : 6.13 MiB

  • Dimensione del set di dati: 9.15 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 564
'test' 565
'train' 4.383

dipendenze_universali/nl_alpino

  • Descrizione della configurazione : questo corpus è costituito da campioni provenienti da vari banchi di alberi annotati presso l'Università di Groningen utilizzando gli strumenti e le linee guida di annotazione Alpino.

  • Dimensioni del download : 15.98 MiB

  • Dimensione del set di dati: 21.03 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 718
'test' 596
'train' 12.289

dipendenze_universali/nl_lassysmall

  • Descrizione della configurazione : questo corpus contiene frasi dalla sezione Wikipedia di Lassy Small Treebank. L'annotazione di dipendenza universale è stata generata automaticamente dall'annotazione originale in Lassy.

  • Dimensione del download : 7.61 MiB

  • Dimensione del set di dati: 9.86 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 676
'test' 876
'train' 5.789

dipendenze_universali/en_esl

  • Descrizione della configurazione : UD English-ESL / Treebank of Learner English (TLE) contiene tag POS manuali e annotazioni di dipendenza per 5.124 frasi di inglese come seconda lingua (ESL) estratte dal set di dati Cambridge Learner Corpus First Certificate in English (FCE).

  • Dimensione del download : 3.20 MiB

  • Dimensione del set di dati: 4.72 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 500
'test' 500
'train' 4.124

dipendenze_universali/en_ewt

  • Descrizione della configurazione : un corpus di dipendenze universali Gold Standard per l'inglese, costruito sul materiale di origine del Web Treebank inglese LDC2012T13 ( https://catalog.ldc.upenn.edu/LDC2012T13 ).

  • Dimensione del download : 16.37 MiB

  • Dimensione del set di dati: 23.60 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 2.001
'test' 2.077
'train' 12.543

dipendenze_universali/en_gum

  • Descrizione della configurazione : annotazioni della sintassi delle dipendenze universali dal corpus GUM ( https://corpling.uis.georgetown.edu/gum/ ).

  • Dimensione del download : 13.81 MiB

  • Dimensione del set di dati: 18.21 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 1.117
'test' 1.096
'train' 6.917

dipendenze_universali/en_gumreddit

  • Descrizione della configurazione : annotazioni della sintassi delle dipendenze universali dalla parte Reddit del corpus GUM ( https://corpling.uis.georgetown.edu/gum/ )

  • Dimensione del download : 1.47 MiB

  • Dimensione del set di dati: 2.06 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 104
'test' 105
'train' 686

dipendenze_universali/en_lines

  • Descrizione della configurazione : UD English_LinES è la metà inglese di LinES Parallel Treebank con l'annotazione di dipendenza originale prima convertita automaticamente in dipendenze universali e quindi parzialmente rivista. I suoi contenuti comprendono letteratura, un manuale online e dati Europarl.

  • Dimensione del download : 5.27 MiB

  • Dimensione del set di dati: 7.54 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 1.032
'test' 1.035
'train' 3.176

dipendenze_universali/en_atis

  • Descrizione della configurazione : UD Atis Treebank è un treebank annotato manualmente costituito dalle frasi nel set di dati Atis (Airline Travel Informations) che include le trascrizioni del parlato umano di persone che chiedono informazioni di volo sui sistemi di richiesta automatizzati.

  • Dimensione del download : 3.06 MiB

  • Dimensione del set di dati: 4.76 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 572
'test' 586
'train' 4.274

dipendenze_universali/en_partut

  • Descrizione della configurazione : UD_English-ParTUT è una conversione di una banca di alberi parallela multilingue sviluppata presso l'Università di Torino e composta da una varietà di generi testuali, inclusi discorsi, testi giuridici e articoli di Wikipedia, tra gli altri.

  • Dimensione del download : 2.59 MiB

  • Dimensione del set di dati: 3.65 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 156
'test' 153
'train' 1.781

dipendenze_universali/pronomi_en

  • Descrizione della configurazione : UD English-Pronouns è un set di dati creato per rendere l'identificazione del pronome più accurata e con una distribuzione più equilibrata tra i sessi. Il set di dati inizialmente prende di mira i pronomi genitivi indipendenti, "lei", (indipendente) "suo", (singolare) "loro", "mio" e (singolare) "tuo".

  • Dimensione del download : 138.08 KiB

  • Dimensione del set di dati: 186.09 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 285

dipendenze_universali/en_pud

  • Descrizione della configurazione : questa è la parte inglese dei treebank delle dipendenze universali parallele (PUD) creati per l'attività condivisa CoNLL 2017 sull'analisi multilingue dal testo non elaborato alle dipendenze universali ( http://universaldependencies.org/conll17/ ).

  • Dimensione del download : 1.28 MiB

  • Dimensione del set di dati : 1.82 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 1.000

dipendenze_universali/myv_jr

  • Descrizione della configurazione : UD Erzya è l'annotazione originale (CoNLL-U) per i testi in lingua Erzya, originariamente consiste in un campione di un certo numero di autori di narrativa che scrivono originali in Erzya.

  • Dimensione del download : 1.88 MiB

  • Dimensione del set di dati: 2.47 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 1.714

dipendenze_universali/et_edt

  • Descrizione della configurazione : UD Estonian è una versione convertita dell'Estonian Dependency Treebank (EDT), originariamente annotata nello schema di annotazione Constraint Grammar (CG) e composta da generi di narrativa, testi di giornali e testi scientifici. La banca degli alberi contiene 30.972 alberi, 437.769 token.

  • Dimensione del download : 31.09 MiB

  • Dimensione del set di dati: 45.98 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 3.127
'test' 3.214
'train' 24.632

dipendenze_universali/et_ewt

  • Descrizione della configurazione : UD EWT treebank è costituito da diversi generi di nuovi media. La banca degli alberi contiene 4.493 alberi, 56.399 token.

  • Dimensione del download : 5.35 MiB

  • Dimensione del set di dati: 8.06 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 833
'test' 913
'train' 4.579

dipendenze_universali/fo_farpahc

  • Descrizione della configurazione : UD_Icelandic-FarPaHC è una conversione del Faroese Parsed Historical Corpus (FarPaHC) nello schema delle dipendenze universali. La conversione è stata eseguita utilizzando UDConverter.

  • Dimensione del download : 2.09 MiB

  • Dimensione del set di dati: 2.84 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 300
'test' 301
'train' 1.020

dipendenze_universali/fo_oft

  • Descrizione della configurazione : questa è una banca degli alberi di faroese basata sulla Wikipedia faroese.

  • Dimensione del download : 783.86 KiB

  • Dimensione del set di dati : 1.07 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 1.208

dipendenze_universali/fi_ftb

  • Descrizione della configurazione : FinnTreeBank 1 consiste in esempi grammaticali annotati manualmente da VISK. La versione UD di FinnTreeBank 1 è stata convertita da un modello di annotazione nativo con uno script e successivamente rivista manualmente.

  • Dimensione del download : 12.52 MiB

  • Dimensione del set di dati: 18.45 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 1.875
'test' 1.867
'train' 14.981

dipendenze_universali/fi_ood

  • Descrizione della configurazione : Finnish-OOD è un set di test esterno al dominio per Finnish-TDT annotato in modo nativo nello schema UD.

  • Dimensione del download : 1.40 MiB

  • Dimensione del set di dati : 2.11 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 2.122

dipendenze_universali/fi_pud

  • Descrizione della configurazione : questa è una parte dei banchi di alberi delle dipendenze universali parallele (PUD) creati per l'attività condivisa CoNLL 2017 sull'analisi multilingue dal testo non elaborato alle dipendenze universali.

  • Dimensione del download : 1.34 MiB

  • Dimensione del set di dati : 1.80 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 1.000

dipendenze_universali/fi_tdt

  • Descrizione della configurazione : UD_Finnish-TDT si basa sulla Turku Dependency Treebank (TDT), una banca di alberi delle dipendenze ad ampia copertura del finlandese generale che copre numerosi generi. La conversione in UD è stata seguita da approfonditi controlli e correzioni manuali e la banca degli alberi aderisce strettamente alle linee guida UD.

  • Dimensione del download : 15.84 MiB

  • Dimensione del set di dati: 23.17 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 1.364
'test' 1.555
'train' 12.217

dipendenze_universali/fr_fqb

  • Descrizione della configurazione : Il corpus UD_French-FQB è una conversione automatica del QuestionBank francese v1, un corpus interamente composto da domande.

  • Dimensione del download : 1.47 MiB

  • Dimensione del set di dati: 2.32 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 2.289

dipendenze_universali/fr_ftb

  • Descrizione della configurazione : La versione Universal Dependency del French Treebank (Abeillé et al., 2003), di seguito UD_French-FTB, è un treebank di frasi dal quotidiano Le Monde, inizialmente annotato manualmente con informazioni morfologiche e struttura della frase e poi convertito in lo schema di annotazione delle dipendenze universali.

  • Dimensione del download : 29.49 MiB

  • Dimensione del set di dati: 44.93 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 1.235
'test' 2.541
'train' 14.759

dipendenze_universali/fr_gsd

  • Descrizione della configurazione : UD_French-GSD è stato convertito nel 2015 dalla versione content head della banca degli alberi delle dipendenze universale v2.0 ( https://github.com/ryanmcd/uni-dep-tb ). È aggiornato dal 2015 indipendentemente dalla fonte precedente.

  • Dimensione del download : 24.38 MiB

  • Dimensione del set di dati: 35.77 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 1.476
'test' 416
'train' 14.449

dipendenze_universali/fr_partut

  • Descrizione della configurazione : UD_French-ParTUT è una conversione di una banca di alberi parallela multilingue sviluppata presso l'Università di Torino e costituita da una varietà di generi testuali, inclusi discorsi, testi giuridici e articoli di Wikipedia, tra gli altri.

  • Dimensione del download : 1.74 MiB

  • Dimensione del set di dati: 2.44 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 107
'test' 110
'train' 803

dipendenze_universali/fr_rhapsodie

  • Descrizione della configurazione : un corpus di dipendenze universali per il francese parlato.

  • Dimensione del download : 3.00 MiB

  • Dimensione del set di dati : 4.10 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 1.082
'test' 840
'train' 1.288

dipendenze_universali/fr_parisstories

  • Config description : Paris Stories è un corpus di francese orale raccolto e trascritto dagli studenti di Linguistica della Sorbonne Nouvelle e corretto dagli studenti del Master Pluritale in Linguistica Computazionale (Inalco, Paris Nanterre, Sorbonne Nouvelle) tra il 2017 e il 2021. Contiene monologhi e dialoghi di relatori che vivono nella regione parigina.

  • Dimensione del download : 1.97 MiB

  • Dimensione del set di dati : 2.70 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 547
'train' 1.216

dipendenze_universali/fr_pud

  • Descrizione della configurazione : questa è una parte dei banchi di alberi delle dipendenze universali parallele (PUD) creati per l'attività condivisa CoNLL 2017 sull'analisi multilingue dal testo non elaborato alle dipendenze universali.

  • Dimensione del download : 1.71 MiB

  • Dimensione del set di dati : 2.24 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 1.000

dipendenze_universali/fr_sequoia

  • Descrizione della configurazione : UD_French-Sequoia è una conversione automatica del corpus di Sequoia Treebank French Sequoia corpus.

  • Dimensione del download : 4.21 MiB

  • Dimensione del set di dati: 6.18 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 412
'test' 456
'train' 2.231

dipendenze_universali/gl_ctg

  • Descrizione della configurazione : La banca degli alberi Galician UD si basa sull'analisi automatica del Galician Technical Corpus ( http://sli.uvigo.gal/CTG ) creato presso l'Università di Vigo dal gruppo di ricerca TALG NLP.

  • Dimensione del download : 7.85 MiB

  • Dimensione del set di dati: 10.81 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 860
'test' 861
'train' 2.272

dipendenze_universali/gl_treegal

  • Descrizione della configurazione : Il Galician-TreeGal è un treebank per il Galiziano sviluppato presso LyS Group (Universidade da Coruña).

  • Dimensione del download : 1.66 MiB

  • Dimensione del set di dati : 2.35 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 400
'train' 600

dipendenze_universali/de_gsd

  • Descrizione della configurazione : l'UD tedesco viene convertito dalla versione principale del contenuto della banca degli alberi delle dipendenze universale v2.0 (legacy).

  • Dimensione del download : 20.69 MiB

  • Dimensione del set di dati: 29.60 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 799
'test' 977
'train' 13.814

dipendenze_universali/de_hdt

  • Descrizione della configurazione : UD German-HDT è una conversione dell'Hamburg Dependency Treebank, creato presso l'Università di Amburgo attraverso l'annotazione manuale in combinazione con uno standard per l'annotazione morfologica e sintattica delle frasi, nonché un parser basato su vincoli.

  • Dimensioni del download : 242.97 MiB

  • Dimensione del set di dati: 347.93 MiB

  • Cache automatica ( documentazione ): No

  • Divisioni :

Diviso Esempi
'dev' 18.434
'test' 18.459
'train' 153.035

dipendenze_universali/de_lit

  • Descrizione della configurazione : Questa banca degli alberi mira a raccogliere testi della storia letteraria tedesca. Attualmente ospita Frammenti del primo Romanticismo, cioè testi simili ad aforismi che trattano principalmente questioni filosofiche riguardanti l'arte, la bellezza e argomenti correlati.

  • Dimensione del download : 1.97 MiB

  • Dimensione del set di dati : 2.49 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 1.922

dipendenze_universali/de_pud

  • Descrizione della configurazione : questa è una parte dei banchi di alberi delle dipendenze universali parallele (PUD) creati per l'attività condivisa CoNLL 2017 sull'analisi multilingue dal testo non elaborato alle dipendenze universali.

  • Dimensione del download : 1.65 MiB

  • Dimensione del set di dati : 2.20 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 1.000

dipendenze_universali/got_proiel

  • Descrizione della configurazione : Il treebank UD Gothic si basa sui dati Gothic del treebank PROIEL e consiste nella traduzione della Bibbia di Wulfila.

  • Dimensione del download : 4.98 MiB

  • Dimensione del set di dati: 7.17 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 985
'test' 1.029
'train' 3.387

dipendenze_universali/el_gdt

  • Descrizione della configurazione : La treebank UD greca (UD_Greek-GDT) deriva dalla Dependency Treebank greca ( http://gdt.ilsp.gr ), una risorsa sviluppata e gestita dai ricercatori dell'Institute for Language and Speech Processing/Athena RC ( http://www.ilsp.gr ).

  • Dimensione del download : 5.52 MiB

  • Dimensione del set di dati: 7.49 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 403
'test' 456
'train' 1.662

dipendenze_universali/gub_tudet

  • Descrizione della configurazione : UD_Guajajara-TuDeT è una raccolta di frasi annotate in Guajajara. Le frasi derivano da molteplici fonti come descrizioni della lingua, racconti, dizionari e traduzioni dal Nuovo Testamento. Annotazione della frase e documentazione di Lorena Martín Rodríguez e Fabrício Ferraz Gerardi.

  • Dimensione del download : 683.38 KiB

  • Dimensione del set di dati: 738.09 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 1.126

dipendenze_universali/gn_oldtudet

  • Descrizione della configurazione : UD_Guarani-OldTuDeT è una raccolta di testi annotati in antico guaraní. Si annotano tutte le fonti conosciute in questa lingua: catesismi, grammatiche (XVII e XVIII secolo), frasi di dizionari e altri testi. Annotazione della frase e documentazione di Fabrício Ferraz Gerardi e Lorena Martín Rodríguez.

  • Dimensione del download : 18.93 KiB

  • Dimensione del set di dati: 24.71 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 59

dipendenze_universali/he_htb

  • Descrizione della configurazione : un corpus di dipendenze universali per l'ebraico.

  • Dimensione del download : 11.64 MiB

  • Dimensione del set di dati: 16.10 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 484
'test' 491
'train' 5.241

dipendenze_universali/he_iahltwiki

  • Descrizione della configurazione : sottoinsieme disponibile pubblicamente della sezione Wikipedia di IAHLT UD Hebrew Treebank ( https://www.iahlt.org/ )

  • Dimensione del download : 10.30 MiB

  • Dimensione del set di dati: 14.16 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 348
'test' 393
'train' 4.298

dipendenze_universali/qfn_fame

  • Descrizione della configurazione : UD_Frisian_Dutch-Fame è una selezione di 400 frasi da FAME! corpus vocale di Yilmaz et al. (2016a, 2016b). Il treebank viene annotato manualmente utilizzando lo schema UD.

  • Dimensione del download : 232.57 KiB

  • Dimensione del set di dati: 290.88 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 400

dipendenze_universali/qhe_hiencs

  • Descrizione della configurazione : la banca degli alberi di commutazione di codice hindi-inglese si basa sui tweet di commutazione di codice di lingua hindi e inglese multilingue (principalmente indiana) su Twitter. Il treebank viene annotato manualmente utilizzando lo schema UD. I set di formazione e valutazione sono stati annotati separatamente da diversi annotatori utilizzando rispettivamente le linee guida UD v2 e v1. I set di valutazione vengono convertiti automaticamente da UD v1 a v2.

  • Dimensione del download : 893.15 KiB

  • Dimensione del set di dati: 1.53 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 225
'test' 225
'train' 1.448

dipendenze_universali/hi_hdtb

  • Descrizione della configurazione : l'Hindi UD treebank è basato sull'Hindi Dependency Treebank (HDTB), creato a IIIT Hyderabad, India.

  • Dimensione del download : 49.18 MiB

  • Dimensione del set di dati: 68.06 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 1.659
'test' 1.684
'train' 13.304

dipendenze_universali/hi_pud

  • Descrizione della configurazione : questa è una parte dei banchi di alberi delle dipendenze universali parallele (PUD) creati per l'attività condivisa CoNLL 2017 sull'analisi multilingue dal testo non elaborato alle dipendenze universali.

  • Dimensione del download : 2.20 MiB

  • Dimensione del set di dati: 2.82 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 1.000

dipendenze_universali/hu_szeged

  • Descrizione della configurazione : la banca degli alberi UD ungherese deriva dalla banca degli alberi delle dipendenze di Szeged (Vincze et al. 2010).

  • Dimensione del download : 2.92 MiB

  • Dimensione del set di dati : 4.20 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 441
'test' 449
'train' 910

dipendenze_universali/è_moderno

  • Descrizione della configurazione : UD_Icelandic-Modern è una conversione delle aggiunte moderne all'IcePaHC (Icelandic Parsed Historical Corpus) allo schema delle dipendenze universali.

  • Dimensione del download : 9.02 MiB

  • Dimensione del set di dati: 12.32 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 784
'test' 768
'train' 5.376

dipendenze_universali/is_icepahc

  • Descrizione della configurazione : UD_Icelandic-IcePaHC è una conversione dell'IcePaHC (Icelandic Parsed Historical Corpus) nello schema delle dipendenze universali. La conversione è stata eseguita utilizzando UDConverter.

  • Dimensione del download : 81.16 MiB

  • Dimensione del set di dati: 112.07 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 4.865
'test' 5.157
'train' 34.007

dipendenze_universali/è_pud

  • Descrizione della configurazione : Icelandic-PUD è la parte islandese delle banche degli alberi delle dipendenze universali parallele (PUD).

  • Dimensione del download : 1.45 MiB

  • Dimensione del set di dati: 1.89 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 1.000

dipendenze_universali/id_csui

  • Descrizione della configurazione : UD Indonesian-CSUI è una conversione da un treebank del collegio elettorale indonesiano nel formato Penn Treebank denominato Kethu che era anche una conversione da un treebank del collegio elettorale costruito da Dinakaramani et al. (2015). Abbiamo chiamato questo treebank Indonesian-CSUI, poiché tutte e tre le versioni dei treebank sono state costruite presso la Faculty of Computer Science, Universitas Indonesia.

  • Dimensione del download : 1.62 MiB

  • Dimensione del set di dati : 1.97 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 374
'train' 656

dipendenze_universali/id_gsd

  • Descrizione della configurazione : l'UD indonesiano viene convertito dalla versione principale del contenuto della banca degli alberi delle dipendenze universale v2.0 (legacy).

  • Dimensione del download : 9.15 MiB

  • Dimensione del set di dati: 11.25 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 559
'test' 557
'train' 4.482

dipendenze_universali/id_pud

  • Descrizione della configurazione : questa è una parte dei banchi di alberi delle dipendenze universali parallele (PUD) creati per l'attività condivisa CoNLL 2017 sull'analisi multilingue dal testo non elaborato alle dipendenze universali.

  • Dimensione del download : 1.10 MiB

  • Dimensione del set di dati : 1.44 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 1.000

dipendenze_universali/ga_idt

  • Descrizione della configurazione : una banca di alberi di 4910 frasi di Universal Dependencies per l'irlandese moderno.

  • Dimensione del download : 7.62 MiB

  • Dimensione del set di dati: 10.77 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 451
'test' 454
'train' 4.005

dipendenze_universali/ga_twittirish

  • Descrizione della configurazione : una banca di alberi delle dipendenze universali di 866 tweet in irlandese moderno.

  • Dimensione del download : 782.30 KiB

  • Dimensione del set di dati : 1.13 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 866

dipendenze_universali/it_isdt

  • Config description : Il corpus italiano annotato secondo lo schema di annotazione UD è stato ottenuto per conversione da ISDT (Italian Stanford Dependency Treebank), rilasciato per il dependency parsing shared task di Evalita-2014 (Bosco et al. 2014).

  • Dimensione del download : 20.03 MiB

  • Dimensione del set di dati: 29.18 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 564
'test' 482
'train' 13.121

dipendenze_universali/it_partut

  • Descrizione della configurazione : UD_Italian-ParTUT è una conversione di una banca di alberi parallela multilingue sviluppata presso l'Università di Torino e composta da una varietà di generi testuali, inclusi discorsi, testi giuridici e articoli di Wikipedia, tra gli altri.

  • Dimensione del download : 3.42 MiB

  • Dimensione del set di dati: 4.83 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 156
'test' 153
'train' 1.781

dipendenze_universali/it_postwita

  • Descrizione della configurazione : PoSTWITA-UD è una raccolta di tweet italiani annotati in dipendenze universali che possono essere sfruttati per l'addestramento dei sistemi di PNL per migliorare le loro prestazioni sui testi dei social media.

  • Dimensione del download : 7.27 MiB

  • Dimensione del set di dati: 10.47 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 670
'test' 674
'train' 5.368

dipendenze_universali/it_markit

  • Descrizione della configurazione : È MarkIT che è nuovo: un albero italiano di costruzioni contrassegnate. Teresa Paccosi, Alessio Palmero Aprosio and Sara Tonelli, To appear in Proceedings of the Eighth Italian Conference on Computational Linguistics 2022 (CLIC-it 2021)

  • Download size : 2.48 MiB

  • Dataset size : 3.44 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 341
'test' 341
'train' 613

universal_dependencies/it_valico

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

  • Download size : 520.45 KiB

  • Dataset size : 657.38 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 398

universal_dependencies/it_pud

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

  • Download size : 1.56 MiB

  • Dataset size : 2.05 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 1,000

universal_dependencies/it_twittiro

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

  • Download size : 1.81 MiB

  • Dataset size : 2.51 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 144
'test' 142
'train' 1,138

universal_dependencies/it_vit

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

  • Download size : 16.77 MiB

  • Dataset size : 23.72 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 743
'test' 1,067
'train' 8,277

universal_dependencies/ja_pudluw

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

  • Download size : 4.37 MiB

  • Dataset size : 5.11 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 1,000

universal_dependencies/ja_bccwjluw

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

  • Download size : 59.20 MiB

  • Dataset size : 100.36 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 8,427
'test' 7,881
'train' 40,801

universal_dependencies/ja_gsdluw

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

  • Download size : 28.31 MiB

  • Dataset size : 33.97 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 507
'test' 543
'train' 7,050

universal_dependencies/ja_bccwj

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

  • Download size : 93.05 MiB

  • Dataset size : 157.62 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 8,427
'test' 7,881
'train' 40,801

universal_dependencies/ja_gsd

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

  • Download size : 43.21 MiB

  • Dataset size : 52.59 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 507
'test' 543
'train' 7,050

universal_dependencies/ja_modern

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

  • Download size : 2.06 MiB

  • Dataset size : 2.70 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 822

universal_dependencies/ja_pud

Diviso Esempi
'test' 1,000

universal_dependencies/jv_csui

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

  • Download size : 141.40 KiB

  • Dataset size : 171.69 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 125

universal_dependencies/urb_tudet

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

  • Download size : 24.74 KiB

  • Dataset size : 33.60 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 83

universal_dependencies/xnr_kdtb

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

  • Download size : 132.92 KiB

  • Dataset size : 196.42 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 288

universal_dependencies/krl_kkpp

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

  • Download size : 220.80 KiB

  • Dataset size : 317.02 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 228

universal_dependencies/kk_ktb

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

  • Download size : 833.88 KiB

  • Dataset size : 1.15 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 1,047
'train' 31

universal_dependencies/arr_tudet

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

  • Download size : 174.70 KiB

  • Dataset size : 259.24 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 674

universal_dependencies/kfm_aha

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

  • Download size : 6.14 KiB

  • Dataset size : 7.56 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 10

universal_dependencies/quc_iu

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

  • Download size : 823.85 KiB

  • Dataset size : 1.06 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 1,435

universal_dependencies/koi_uh

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

  • Download size : 99.43 KiB

  • Dataset size : 118.77 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 100

universal_dependencies/kpv_ikdp

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

  • Download size : 202.88 KiB

  • Dataset size : 273.92 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 214

universal_dependencies/kpv_lattice

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

  • Download size : 741.82 KiB

  • Dataset size : 989.46 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 663

universal_dependencies/ko_gsd

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

  • Download size : 4.66 MiB

  • Dataset size : 6.31 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 950
'test' 989
'train' 4,400

universal_dependencies/ko_kaist

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

  • Download size : 20.84 MiB

  • Dataset size : 27.97 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 2,066
'test' 2,287
'train' 23,010

universal_dependencies/ko_pud

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

  • Download size : 1.92 MiB

  • Dataset size : 2.12 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 1,000

universal_dependencies/kmr_mg

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

  • Download size : 747.04 KiB

  • Dataset size : 1.07 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 734
'train' 20

universal_dependencies/la_ittb

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

  • Download size : 40.75 MiB

  • Dataset size : 55.54 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 2,101
'test' 2,101
'train' 22,775

universal_dependencies/la_udante

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

  • Download size : 4.87 MiB

  • Dataset size : 6.65 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 376
'test' 419
'train' 926

universal_dependencies/la_llct

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

  • Download size : 20.99 MiB

  • Dataset size : 27.77 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 850
'test' 884
'train' 7,289

universal_dependencies/la_perseus

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

  • Download size : 2.45 MiB

  • Dataset size : 3.53 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 939
'train' 1,334

universal_dependencies/la_proiel

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

  • Download size : 17.58 MiB

  • Dataset size : 25.21 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 1,234
'test' 1,260
'train' 15,917

universal_dependencies/lv_lvtb

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

  • Download size : 30.93 MiB

  • Dataset size : 42.49 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 1,957
'test' 2,325
'train' 12,521

universal_dependencies/lij_glt

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

  • Download size : 426.33 KiB

  • Dataset size : 636.88 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 296
'train' 20

universal_dependencies/lt_alksnis

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

  • Download size : 6.68 MiB

  • Dataset size : 9.06 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 617
'test' 684
'train' 2,341

universal_dependencies/lt_hse

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

  • Download size : 255.28 KiB

  • Dataset size : 1.06 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 153
'test' 153
'train' 153

universal_dependencies/olo_kkpp

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

  • Download size : 119.00 KiB

  • Dataset size : 165.75 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 106
'train' 19

universal_dependencies/nds_lsdc

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

  • Download size : 209.01 KiB

  • Dataset size : 280.72 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 83

universal_dependencies/mt_mudt

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

  • Download size : 1.92 MiB

  • Dataset size : 2.67 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 433
'test' 518
'train' 1,123

universal_dependencies/gv_cadhan

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

  • Download size : 1.26 MiB

  • Dataset size : 1.79 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 2,319

universal_dependencies/mr_ufal

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

  • Download size : 330.87 KiB

  • Dataset size : 496.00 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 46
'test' 47
'train' 373

universal_dependencies/gun_dooley

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

  • Download size : 560.08 KiB

  • Dataset size : 859.37 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 1,046

universal_dependencies/gun_thomas

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

  • Download size : 90.88 KiB

  • Dataset size : 120.86 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 98

universal_dependencies/mdf_jr

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

  • Download size : 343.96 KiB

  • Dataset size : 451.57 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 342

universal_dependencies/myu_tudet

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

  • Download size : 67.85 KiB

  • Dataset size : 83.48 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 158

universal_dependencies/pcm_nsc

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

  • Download size : 16.99 MiB

  • Dataset size : 21.58 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 991
'test' 972
'train' 7,278

universal_dependencies/nyq_aha

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

  • Download size : 6.24 KiB

  • Dataset size : 7.72 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 10

universal_dependencies/sme_giella

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

  • Download size : 1.78 MiB

  • Dataset size : 2.72 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 865
'train' 2,257

universal_dependencies/no_bokmaal

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

  • Download size : 18.29 MiB

  • Dataset size : 27.60 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 2,409
'test' 1,939
'train' 15,696

universal_dependencies/no_nynorsk

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

  • Download size : 17.68 MiB

  • Dataset size : 26.46 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 1,890
'test' 1,511
'train' 14,174

universal_dependencies/no_nynorsklia

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

  • Download size : 3.19 MiB

  • Dataset size : 4.78 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 881
'test' 957
'train' 3,412

universal_dependencies/cu_proiel

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

  • Download size : 5.92 MiB

  • Dataset size : 8.33 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 1,073
'test' 1,141
'train' 4,124

universal_dependencies/fro_srcmf

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

  • Download size : 13.51 MiB

  • Dataset size : 18.54 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 1,887
'test' 1,989
'train' 14,153

universal_dependencies/orv_birchbark

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

  • Download size : 4.04 MiB

  • Dataset size : 4.72 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 1,054
'test' 1,006
'train' 1,045

universal_dependencies/orv_rnc

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

  • Download size : 2.95 MiB

  • Dataset size : 4.02 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 648
'train' 422

universal_dependencies/orv_torot

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

  • Download size : 14.49 MiB

  • Dataset size : 20.13 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 1,852
'test' 1,756
'train' 13,336

universal_dependencies/otk_tonqq

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

  • Download size : 10.44 KiB

  • Dataset size : 14.01 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 20

universal_dependencies/fa_perdt

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

  • Download size : 32.05 MiB

  • Dataset size : 43.48 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 1,456
'test' 1,455
'train' 26,196

universal_dependencies/fa_seraji

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

  • Download size : 9.43 MiB

  • Dataset size : 12.50 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 599
'test' 600
'train' 4,798

universal_dependencies/pl_lfg

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

  • Download size : 14.18 MiB

  • Dataset size : 18.96 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 1,745
'test' 1,727
'train' 13,774

universal_dependencies/pl_pdb

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

  • Download size : 34.66 MiB

  • Dataset size : 47.62 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 2,215
'test' 2,215
'train' 17,722

universal_dependencies/pl_pud

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

  • Download size : 1.91 MiB

  • Dataset size : 2.52 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 1,000

universal_dependencies/pt_bosque

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

  • Download size : 14.29 MiB

  • Dataset size : 20.41 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 1,172
'test' 1,167
'train' 7,018

universal_dependencies/pt_gsd

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

  • Download size : 14.57 MiB

  • Dataset size : 20.34 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 1,204
'test' 1,200
'train' 9,615

universal_dependencies/pt_pud

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

  • Download size : 1.48 MiB

  • Dataset size : 1.95 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 1,000

universal_dependencies/ro_art

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

  • Download size : 44.38 KiB

  • Dataset size : 65.95 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 50

universal_dependencies/ro_nonstandard

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

  • Download size : 48.00 MiB

  • Dataset size : 66.84 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 1,052
'test' 1,052
'train' 24,121

universal_dependencies/ro_rrt

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

  • Download size : 16.38 MiB

  • Dataset size : 22.96 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 752
'test' 729
'train' 8,043

universal_dependencies/ro_simonero

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

  • Download size : 11.36 MiB

  • Dataset size : 15.68 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 443
'test' 491
'train' 3,747

universal_dependencies/ru_gsd

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

  • Download size : 8.42 MiB

  • Dataset size : 11.51 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 579
'test' 601
'train' 3,850

universal_dependencies/ru_pud

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

  • Download size : 1.78 MiB

  • Dataset size : 2.26 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 1,000

universal_dependencies/ru_syntagrus

  • Config description : Russian data from the SynTagRus corpus.

  • Download size : 97.99 MiB

  • Dataset size : 139.66 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 6,584
'test' 6,491
'train' 48,814

universal_dependencies/ru_taiga

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

  • Download size : 18.12 MiB

  • Dataset size : 24.32 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 946
'test' 881
'train' 16,045

universal_dependencies/sa_ufal

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

  • Download size : 414.72 KiB

  • Dataset size : 407.83 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 230

universal_dependencies/sa_vedic

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

  • Download size : 1.95 MiB

  • Dataset size : 3.14 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 1,473
'train' 2,524

universal_dependencies/gd_arcosg

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

  • Download size : 5.07 MiB

  • Dataset size : 7.20 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 655
'test' 545
'train' 3,539

universal_dependencies/sr_set

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

  • Download size : 7.07 MiB

  • Dataset size : 10.04 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 536
'test' 520
'train' 3,328

universal_dependencies/sms_giellagas

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

  • Download size : 216.27 KiB

  • Dataset size : 299.21 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 218

universal_dependencies/sk_snk

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

  • Download size : 9.55 MiB

  • Dataset size : 13.87 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 1,060
'test' 1,061
'train' 8,483

universal_dependencies/sl_ssj

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

  • Download size : 19.82 MiB

  • Dataset size : 28.72 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 1,250
'test' 1,282
'train' 10,903

universal_dependencies/sl_sst

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

  • Download size : 2.53 MiB

  • Dataset size : 3.88 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 1,110
'train' 2,078

universal_dependencies/soj_aha

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

  • Download size : 4.47 KiB

  • Dataset size : 5.58 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 8

universal_dependencies/ajp_madar

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

  • Download size : 42.16 KiB

  • Dataset size : 65.64 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 100

universal_dependencies/es_ancora

  • Config description : Spanish data from the AnCora corpus.

  • Download size : 50.23 MiB

  • Dataset size : 66.53 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 1,654
'test' 1,721
'train' 14,287

universal_dependencies/es_gsd

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

  • Download size : 24.86 MiB

  • Dataset size : 36.42 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 1,400
'test' 426
'train' 14,187

universal_dependencies/es_pud

Diviso Esempi
'test' 1,000

universal_dependencies/swl_sslc

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

  • Download size : 79.78 KiB

  • Dataset size : 122.04 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 82
'test' 34
'train' 87

universal_dependencies/sv_lines

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

  • Download size : 6.91 MiB

  • Dataset size : 9.18 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 1,032
'test' 1,035
'train' 3,176

universal_dependencies/sv_pud

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

  • Download size : 1.64 MiB

  • Dataset size : 2.13 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 1,000

universal_dependencies/sv_talbanken

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

  • Download size : 8.08 MiB

  • Dataset size : 11.40 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 504
'test' 1,219
'train' 4,303

universal_dependencies/gsw_uzh

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

  • Download size : 58.28 KiB

  • Dataset size : 86.61 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 100

universal_dependencies/tl_trg

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

  • Download size : 59.91 KiB

  • Dataset size : 84.14 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 128

universal_dependencies/tl_ugnayan

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

  • Download size : 53.91 KiB

  • Dataset size : 76.16 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 94

universal_dependencies/ta_mwtt

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

  • Download size : 394.18 KiB

  • Dataset size : 499.94 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 534

universal_dependencies/ta_ttb

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

  • Download size : 1.68 MiB

  • Dataset size : 2.06 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 80
'test' 120
'train' 400

universal_dependencies/te_mtg

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

  • Download size : 628.67 KiB

  • Dataset size : 866.20 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 131
'test' 146
'train' 1,051

universal_dependencies/th_pud

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

  • Download size : 1.53 MiB

  • Dataset size : 1.85 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 1,000

universal_dependencies/tpn_tudet

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

  • Download size : 293.55 KiB

  • Dataset size : 371.48 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 546

universal_dependencies/qtd_sagt

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

  • Download size : 2.78 MiB

  • Dataset size : 4.28 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 801
'test' 805
'train' 578

universal_dependencies/tr_atis

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

  • Download size : 3.26 MiB

  • Dataset size : 5.09 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 572
'test' 586
'train' 4,274

universal_dependencies/tr_tourism

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

  • Download size : 6.48 MiB

  • Dataset size : 11.24 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 2,166
'test' 2,191
'train' 15,476

universal_dependencies/tr_kenet

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

  • Download size : 12.16 MiB

  • Dataset size : 19.00 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 1,646
'test' 1,643
'train' 15,398

universal_dependencies/tr_penn

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

  • Download size : 12.29 MiB

  • Dataset size : 18.82 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 622
'test' 924
'train' 14,850

universal_dependencies/tr_framenet

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

  • Download size : 1.43 MiB

  • Dataset size : 2.28 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 205
'test' 205
'train' 2,288

universal_dependencies/tr_boun

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

  • Download size : 9.07 MiB

  • Dataset size : 13.24 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 979
'test' 979
'train' 7,803

universal_dependencies/tr_gb

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

  • Download size : 1.41 MiB

  • Dataset size : 2.02 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 2,880

universal_dependencies/tr_imst

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

  • Download size : 4.51 MiB

  • Dataset size : 6.70 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 988
'test' 983
'train' 3,664

universal_dependencies/tr_pud

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

  • Download size : 1.29 MiB

  • Dataset size : 1.65 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 1,000

universal_dependencies/uk_iu

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

  • Download size : 16.54 MiB

  • Dataset size : 21.99 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 672
'test' 892
'train' 5,496

universal_dependencies/hsb_ufal

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

  • Download size : 762.63 KiB

  • Dataset size : 1.11 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 623
'train' 23

universal_dependencies/ur_udtb

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

  • Download size : 15.16 MiB

  • Dataset size : 21.57 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 552
'test' 535
'train' 4,043

universal_dependencies/ug_udt

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

  • Download size : 3.30 MiB

  • Dataset size : 4.59 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 900
'test' 900
'train' 1,656

universal_dependencies/vi_vtb

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

  • Download size : 1.96 MiB

  • Dataset size : 2.81 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 800
'test' 800
'train' 1,400

universal_dependencies/wbp_ufal

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

  • Download size : 37.58 KiB

  • Dataset size : 47.36 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 55

universal_dependencies/cy_ccg

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

  • Download size : 2.28 MiB

  • Dataset size : 3.06 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 953
'train' 976

universal_dependencies/hy_armtdp

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

  • Download size : 6.56 MiB

  • Dataset size : 8.50 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 249
'test' 277
'train' 1,974

universal_dependencies/wo_wtb

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

  • Download size : 2.65 MiB

  • Dataset size : 3.78 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 449
'test' 470
'train' 1,188

universal_dependencies/sjo_xdt

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

  • Download size : 1.50 MiB

  • Dataset size : 1.74 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 810

universal_dependencies/sah_yktdt

Diviso Esempi
'test' 96

universal_dependencies/yo_ytb

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

  • Download size : 554.64 KiB

  • Dataset size : 767.54 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 318

universal_dependencies/ess_sli

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

  • Download size : 302.87 KiB

  • Dataset size : 410.25 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 309
,

  • Descrizione :

Universal Dependencies (UD) is a framework for consistent annotation of grammar (parts of speech, morphological features, and syntactic dependencies) across different human languages. UD is an open community effort with over 300 contributors producing more than 200 treebanks in over 100 languages. If you're new to UD, you should start by reading the first part of the Short Introduction and then browsing the annotation guidelines.

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

universal_dependencies/af_afribooms (default config)

  • Config description : UD Afrikaans-AfriBooms is a conversion of the AfriBooms Dependency Treebank, originally annotated with a simplified PoS set and dependency relations according to a subset of the Stanford tag set. The corpus consists of public government documents. The dataset was proposed in 'AfriBooms: An Online Treebank for Afrikaans' by Augustinus et al. (2016); https://www.aclweb.org/anthology/L16-1107.pdf

  • Download size : 2.95 MiB

  • Dataset size : 4.02 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 194
'test' 425
'train' 1,315

universal_dependencies/akk_pisandub

  • Config description : A small set of sentences from Babylonian royal inscriptions.

  • Download size : 99.41 KiB

  • Dataset size : 126.32 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 101

universal_dependencies/akk_riao

  • Config description : UD_Akkadian-RIAO is a small treebank which consists of 22 277 words and 1845 sentences. This represents an intact subset of a total of 2211 sentences from the early Neo-Assyrian royal inscriptions of the tenth and ninth centuries BCE. These royal inscriptions were extracted from Oracc (Open Richly Annotated Cuneiform Corpus; http://oracc.museum.upenn.edu/riao/ ), where all Neo-Assyrian royal inscriptions are lemmatized word-for-word. The language of the corpus is Standard Babylonian, with occasional Assyrianisms, whereas “Akkadian” is the umbrella term for both Assyrian and Babylonian. The treebank was manually annotated following the UD annotation guidelines.

  • Download size : 1.87 MiB

  • Dataset size : 2.79 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 1,874

universal_dependencies/aqz_tudet

  • Config description : UD_Akuntsu-TuDeT is a collection of annotated texts in Akuntsú. Together with UD_Tupinamba-TuDeT and UD_Munduruku-TuDeT, UD_Akuntsu-TuDeT is part of the TuLaR project. The sentences are being annotated by Carolina Aragon and Fabrício Ferraz Gerardi.

  • Download size : 67.25 KiB

  • Dataset size : 97.39 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 243

universal_dependencies/sq_tsa

  • Config description : The UD Treebank for Standard Albanian (TSA) is a small treebank that consists of 60 sentences corresponding to 922 tokens. The data was collected from different Wikipedia entries. This treebank was created mainly manually following the Universal Dependencies guidelines. The lemmatization was performed using the lemmatizer https://bitbucket.org/timarkh/uniparser-albanian-grammar/src/master/ developed by the Albanian National Corpus team (Maria Morozova, Alexander Rusakov, Timofey Arkhangelskiy). Tagging and Morphological Analysis were semi-automated through python scripts and corrected manually, whereas Dependency relations were assigned fully manually. We encourage any initiatives to increase the size and/or improve the overall quality of the Treebank.

  • Download size : 62.00 KiB

  • Dataset size : 93.65 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 60

universal_dependencies/am_att

  • Config description : UD_Amharic-ATT is a manually annotated Treebanks. It is annotated for POS tag, morphological information and dependency relations. Since Amharic is a morphologically-rich, pro-drop, and languages having a feature of clitic doubling, clitics have been segmented manually.

  • Download size : 995.32 KiB

  • Dataset size : 1.33 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 1,074

universal_dependencies/grc_perseus

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

  • Download size : 18.02 MiB

  • Dataset size : 24.52 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 1,137
'test' 1,306
'train' 11,476

universal_dependencies/grc_proiel

  • Config description : The Ancient Greek PROIEL treebank is based on the Ancient Greek data from the PROIEL treebank, which is maintained at the Department of Philosophy, Classics, History of Arts and Ideas at the University of Oslo. The conversion is based on the 20180408 release of the PROIEL treebank available from https://github.com/proiel/proiel-treebank/releases The original annotators are acknowledged in the files available there. The conversion code is available in the Rubygem proiel-cli, https://github.com/proiel/proiel-cli

  • Download size : 22.62 MiB

  • Dataset size : 30.92 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 1,019
'test' 1,047
'train' 15,014

universal_dependencies/apu_ufpa

  • Config description : The initial release contains 70 annotated sentences. This is the first treebank in a language from the Arawak family. The original interlinear glosses are included in the tree bank, and their conversion into a full UD annotation is an ongoing process. The sent_id values (eg: FernandaM2017:Texto-6-19) are representative of the collector, year of publication, text identifier and the number of the sentence in order from the original text.

  • Download size : 95.51 KiB

  • Dataset size : 98.49 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 115

universal_dependencies/hbo_ptnk

  • Config description : UD Ancient Hebrew PTNK contains portions of the Biblia Hebraic Stuttgartensia with morphological annotations from ETCBC.

  • Download size : 3.11 MiB

  • Dataset size : 4.28 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 439
'test' 410
'train' 730

universal_dependencies/ar_nyuad

  • Config description : The treebank consists of 19,738 sentences (738889 tokens), and its domain is mainly newswire. The annotation is licensed under the terms of CC BY-SA 4.0, and the original PATB can be obtained from the LDC's official website.

  • Download size : 55.87 MiB

  • Dataset size : 78.33 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 1,986
'test' 1,963
'train' 15,789

universal_dependencies/ar_padt

  • Config description : The Arabic-PADT UD treebank is based on the Prague Arabic Dependency Treebank (PADT), created at the Charles University in Prague.

  • Download size : 48.84 MiB

  • Dataset size : 64.42 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 909
'test' 680
'train' 6,075

universal_dependencies/ar_pud

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

  • Download size : 1.98 MiB

  • Dataset size : 2.34 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 1,000

universal_dependencies/aii_as

  • Config description : The Uppsala Assyrian Treebank is a small treebank for Modern Standard Assyrian. The corpus is collected and annotated manually. The data was randomly collected from different textbooks and a short translation of The Merchant of Venice.

  • Download size : 31.99 KiB

  • Dataset size : 48.85 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 57

universal_dependencies/bm_crb

  • Config description : The UD Bambara treebank is a section of the Corpus Référence du Bambara annotated natively with Universal Dependencies.

  • Download size : 873.37 KiB

  • Dataset size : 1.25 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 1,026

universal_dependencies/eu_bdt

  • Config description : The Basque UD treebank is based on a automatic conversion from part of the Basque Dependency Treebank (BDT), created at the University of of the Basque Country by the IXA NLP research group. The treebank consists of 8.993 sentences (121.443 tokens) and covers mainly literary and journalistic texts.

  • Download size : 7.83 MiB

  • Dataset size : 11.74 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 1,798
'test' 1,799
'train' 5,396

universal_dependencies/bej_nsc

  • Config description : A Universal Dependencies corpus for Beja, North-Cushitic branch of the Afro-Asiatic phylum mainly spoken in Sudan, Egypt and Eritrea.

  • Download size : 136.52 KiB

  • Dataset size : 168.15 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 56

universal_dependencies/be_hse

  • Config description : The Belarusian UD treebank is based on a sample of the news texts included in the Belarusian-Russian parallel subcorpus of the Russian National Corpus, online search available at: http://ruscorpora.ru/search-para-be.html

  • Download size : 30.04 MiB

  • Dataset size : 39.88 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 1,301
'test' 1,077
'train' 22,853

universal_dependencies/bn_bru

  • Config description : The BRU Bengali treebank has been created at Begum Rokeya University, Rangpur, by the members of Semantics Lab.

  • Download size : 38.41 KiB

  • Dataset size : 51.42 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 56

universal_dependencies/bho_bhtb

  • Config description : The Bhojpuri UD Treebank (BHTB) v2.6 consists of 6,664 tokens(357 sentences). This Treebank is a part of the Universal Dependency treebank project. Initially, it was initiated by me (Atul) at Jawaharlal Nehru University, New Delhi during the doctoral research work. BHTB data contains syntactic annotation according to dependency-constituency schema, as well as morphological tags and lemmas. In this data, XPOS is annotated according to Bureau of Indian Standards (BIS) Part Of Speech (POS) tagset.

  • Download size : 599.76 KiB

  • Dataset size : 817.23 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 357

universal_dependencies/br_keb

  • Config description : UD Breton-KEB is a treebank of Breton that has been manually annotated according to the Universal Dependencies guidelines. The tokenisation guidelines and morphological annotation comes from a finite-state morphological analyser of Breton released as part of the Apertium project.

  • Download size : 663.63 KiB

  • Dataset size : 863.36 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 888

universal_dependencies/bg_btb

  • Config description : UD_Bulgarian-BTB is based on the HPSG-based BulTreeBank, created at the Institute of Information and Communication Technologies, Bulgarian Academy of Sciences. The original consists of 215,000 tokens (over 15,000 sentences).

  • Download size : 14.22 MiB

  • Dataset size : 20.01 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 1,115
'test' 1,116
'train' 8,907

universal_dependencies/bxr_bdt

  • Config description : The UD Buryat treebank was annotated manually natively in UD and contains grammar book sentences, along with news and some fiction.

  • Download size : 710.23 KiB

  • Dataset size : 1018.12 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 908
'train' 19

universal_dependencies/yue_hk

  • Config description : A Cantonese treebank (in Traditional Chinese characters) of film subtitles and of legislative proceedings of Hong Kong, parallel with the Chinese-HK treebank.

  • Download size : 693.38 KiB

  • Dataset size : 1.04 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 1,004

universal_dependencies/ca_ancora

  • Config description : Catalan data from the AnCora corpus.

  • Download size : 48.14 MiB

  • Dataset size : 64.03 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 1,709
'test' 1,846
'train' 13,123

universal_dependencies/ceb_gja

  • Config description : UD_Cebuano_GJA is a collection of annotated Cebuano sample sentences randomly taken from three different sources: community-contributed samples from the website Tatoeba, a Cebuano grammar book by Bunye & Yap (1971) and Tanangkinsing's reference grammar on Cebuano (2011). This project is currently work in progress.

  • Download size : 99.30 KiB

  • Dataset size : 136.74 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 188

universal_dependencies/zh_cfl

  • Config description : The Chinese-CFL UD treebank is manually annotated by Keying Li with minor manual revisions by Herman Leung and John Lee at City University of Hong Kong, based on essays written by learners of Mandarin Chinese as a foreign language. The data is in Simplified Chinese.

  • Download size : 375.71 KiB

  • Dataset size : 558.45 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 451

universal_dependencies/zh_gsd

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

  • Download size : 6.48 MiB

  • Dataset size : 8.88 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 500
'test' 500
'train' 3,997

universal_dependencies/zh_gsdsimp

  • Config description : Simplified Chinese Universal Dependencies dataset converted from the GSD (traditional) dataset with manual corrections.

  • Download size : 6.48 MiB

  • Dataset size : 8.88 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 500
'test' 500
'train' 3,997

universal_dependencies/zh_hk

  • Config description : A Traditional Chinese treebank of film subtitles and of legislative proceedings of Hong Kong, parallel with the Cantonese-HK treebank.

  • Download size : 482.85 KiB

  • Dataset size : 779.66 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 1,004

universal_dependencies/zh_pud

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

  • Download size : 1.53 MiB

  • Dataset size : 1.95 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 1,000

universal_dependencies/ckt_hse

  • Config description : This data is a manual annotation of the corpus from multimedia annotated corpus of the Chuklang project, a dialectal corpus of the Amguema variant of Chukchi.

  • Download size : 793.16 KiB

  • Dataset size : 828.50 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 1,004

universal_dependencies/lzh_kyoto

  • Config description : Classical Chinese Universal Dependencies Treebank annotated and converted by Institute for Research in Humanities, Kyoto University.

  • Download size : 26.86 MiB

  • Dataset size : 39.40 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 5,687
'test' 4,932
'train' 48,569

universal_dependencies/cop_scriptorium

  • Config description : UD Coptic contains manually annotated Sahidic Coptic texts, including Biblical texts, sermons, letters, and hagiography.

  • Download size : 4.73 MiB

  • Dataset size : 6.12 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 381
'test' 403
'train' 1,227

universal_dependencies/hr_set

  • Config description : The Croatian UD treebank is based on the extension of the SETimes-HR corpus, the hr500k corpus.

  • Download size : 14.41 MiB

  • Dataset size : 20.43 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 960
'test' 1,136
'train' 6,914

universal_dependencies/cs_cac

  • Config description : The UD_Czech-CAC treebank is based on the Czech Academic Corpus 2.0 (CAC; Český akademický korpus; ČAK), created at Charles University in Prague.

  • Download size : 53.72 MiB

  • Dataset size : 73.74 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 603
'test' 628
'train' 23,478

universal_dependencies/cs_cltt

  • Config description : The UD_Czech-CLTT treebank is based on the Czech Legal Text Treebank 1.0, created at Charles University in Prague.

  • Download size : 3.57 MiB

  • Dataset size : 4.73 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 129
'test' 136
'train' 860

universal_dependencies/cs_fictree

  • Config description : FicTree is a treebank of Czech fiction, automatically converted into the UD format. The treebank was built at Charles University in Prague.

  • Download size : 16.65 MiB

  • Dataset size : 23.29 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 1,309
'test' 1,291
'train' 10,160

universal_dependencies/cs_pdt

  • Config description : The Czech-PDT UD treebank is based on the Prague Dependency Treebank 3.0 (PDT), created at the Charles University in Prague.

  • Download size : 164.29 MiB

  • Dataset size : 224.30 MiB

  • Auto-cached ( documentation ): Yes (dev, test), Only when shuffle_files=False (train)

  • Divisioni :

Diviso Esempi
'dev' 9,270
'test' 10,148
'train' 68,495

universal_dependencies/cs_pud

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

  • Download size : 2.14 MiB

  • Dataset size : 2.76 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 1,000

universal_dependencies/da_ddt

  • Config description : The Danish UD treebank is a conversion of the Danish Dependency Treebank.

  • Download size : 6.13 MiB

  • Dataset size : 9.15 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 564
'test' 565
'train' 4,383

universal_dependencies/nl_alpino

  • Config description : This corpus consists of samples from various treebanks annotated at the University of Groningen using the Alpino annotation tools and guidelines.

  • Download size : 15.98 MiB

  • Dataset size : 21.03 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 718
'test' 596
'train' 12,289

universal_dependencies/nl_lassysmall

  • Config description : This corpus contains sentences from the Wikipedia section of the Lassy Small Treebank. Universal Dependency annotation was generated automatically from the original annotation in Lassy.

  • Download size : 7.61 MiB

  • Dataset size : 9.86 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 676
'test' 876
'train' 5,789

universal_dependencies/en_esl

  • Config description : UD English-ESL / Treebank of Learner English (TLE) contains manual POS tag and dependency annotations for 5,124 English as a Second Language (ESL) sentences drawn from the Cambridge Learner Corpus First Certificate in English (FCE) dataset.

  • Download size : 3.20 MiB

  • Dataset size : 4.72 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 500
'test' 500
'train' 4,124

universal_dependencies/en_ewt

  • Config description : A Gold Standard Universal Dependencies Corpus for English, built over the source material of the English Web Treebank LDC2012T13 ( https://catalog.ldc.upenn.edu/LDC2012T13 ).

  • Download size : 16.37 MiB

  • Dataset size : 23.60 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 2,001
'test' 2,077
'train' 12,543

universal_dependencies/en_gum

Diviso Esempi
'dev' 1,117
'test' 1,096
'train' 6,917

universal_dependencies/en_gumreddit

Diviso Esempi
'dev' 104
'test' 105
'train' 686

universal_dependencies/en_lines

  • Config description : UD English_LinES is the English half of the LinES Parallel Treebank with the original dependency annotation first automatically converted into Universal Dependencies and then partially reviewed. Its contents cover literature, an online manual and Europarl data.

  • Download size : 5.27 MiB

  • Dataset size : 7.54 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 1,032
'test' 1,035
'train' 3,176

universal_dependencies/en_atis

  • Config description : UD Atis Treebank is a manually annotated treebank consisting of the sentences in the Atis (Airline Travel Informations) dataset which includes the human speech transcriptions of people asking for flight information on the automated inquiry systems.

  • Download size : 3.06 MiB

  • Dataset size : 4.76 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 572
'test' 586
'train' 4,274

universal_dependencies/en_partut

  • Config description : UD_English-ParTUT is a conversion of a multilingual parallel treebank developed at the University of Turin, and consisting of a variety of text genres, including talks, legal texts and Wikipedia articles, among others.

  • Download size : 2.59 MiB

  • Dataset size : 3.65 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 156
'test' 153
'train' 1,781

universal_dependencies/en_pronouns

  • Config description : UD English-Pronouns is dataset created to make pronoun identification more accurate and with a more balanced distribution across genders. The dataset is initially targeting the Independent Genitive pronouns, 'hers', (independent) 'his', (singular) 'theirs', 'mine', and (singular) 'yours'.

  • Download size : 138.08 KiB

  • Dataset size : 186.09 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 285

universal_dependencies/en_pud

  • Config description : This is the English portion of the Parallel Universal Dependencies (PUD) treebanks created for the CoNLL 2017 shared task on Multilingual Parsing from Raw Text to Universal Dependencies ( http://universaldependencies.org/conll17/ ).

  • Download size : 1.28 MiB

  • Dataset size : 1.82 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 1,000

universal_dependencies/myv_jr

  • Config description : UD Erzya is the original annotation (CoNLL-U) for texts in the Erzya language, it originally consists of a sample from a number of fiction authors writing originals in Erzya.

  • Download size : 1.88 MiB

  • Dataset size : 2.47 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 1,714

universal_dependencies/et_edt

  • Config description : UD Estonian is a converted version of the Estonian Dependency Treebank (EDT), originally annotated in the Constraint Grammar (CG) annotation scheme, and consisting of genres of fiction, newspaper texts and scientific texts. The treebank contains 30,972 trees, 437,769 tokens.

  • Download size : 31.09 MiB

  • Dataset size : 45.98 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 3,127
'test' 3,214
'train' 24,632

universal_dependencies/et_ewt

  • Config description : UD EWT treebank consists of different genres of new media. The treebank contains 4,493 trees, 56,399 tokens.

  • Download size : 5.35 MiB

  • Dataset size : 8.06 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 833
'test' 913
'train' 4,579

universal_dependencies/fo_farpahc

  • Config description : UD_Icelandic-FarPaHC is a conversion of the Faroese Parsed Historical Corpus (FarPaHC) to the Universal Dependencies scheme. The conversion was done using UDConverter.

  • Download size : 2.09 MiB

  • Dataset size : 2.84 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 300
'test' 301
'train' 1,020

universal_dependencies/fo_oft

  • Config description : This is a treebank of Faroese based on the Faroese Wikipedia.

  • Download size : 783.86 KiB

  • Dataset size : 1.07 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 1,208

universal_dependencies/fi_ftb

  • Config description : FinnTreeBank 1 consists of manually annotated grammatical examples from VISK. The UD version of FinnTreeBank 1 was converted from a native annotation model with a script and later manually revised.

  • Download size : 12.52 MiB

  • Dataset size : 18.45 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 1,875
'test' 1,867
'train' 14,981

universal_dependencies/fi_ood

  • Config description : Finnish-OOD is an external out-of-domain test set for Finnish-TDT annotated natively into UD scheme.

  • Download size : 1.40 MiB

  • Dataset size : 2.11 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 2,122

universal_dependencies/fi_pud

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

  • Download size : 1.34 MiB

  • Dataset size : 1.80 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 1,000

universal_dependencies/fi_tdt

  • Config description : UD_Finnish-TDT is based on the Turku Dependency Treebank (TDT), a broad-coverage dependency treebank of general Finnish covering numerous genres. The conversion to UD was followed by extensive manual checks and corrections, and the treebank closely adheres to the UD guidelines.

  • Download size : 15.84 MiB

  • Dataset size : 23.17 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 1,364
'test' 1,555
'train' 12,217

universal_dependencies/fr_fqb

  • Config description : The corpus UD_French-FQB is an automatic conversion of the French QuestionBank v1, a corpus entirely made of questions.

  • Download size : 1.47 MiB

  • Dataset size : 2.32 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 2,289

universal_dependencies/fr_ftb

  • Config description : The Universal Dependency version of the French Treebank (Abeillé et al., 2003), hereafter UD_French-FTB, is a treebank of sentences from the newspaper Le Monde, initially manually annotated with morphological information and phrase-structure and then converted to the Universal Dependencies annotation scheme.

  • Download size : 29.49 MiB

  • Dataset size : 44.93 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 1,235
'test' 2,541
'train' 14,759

universal_dependencies/fr_gsd

  • Config description : The UD_French-GSD was converted in 2015 from the content head version of the universal dependency treebank v2.0 ( https://github.com/ryanmcd/uni-dep-tb ). It is updated since 2015 independently from the previous source.

  • Download size : 24.38 MiB

  • Dataset size : 35.77 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 1,476
'test' 416
'train' 14,449

universal_dependencies/fr_partut

  • Config description : UD_French-ParTUT is a conversion of a multilingual parallel treebank developed at the University of Turin, and consisting of a variety of text genres, including talks, legal texts and Wikipedia articles, among others.

  • Download size : 1.74 MiB

  • Dataset size : 2.44 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 107
'test' 110
'train' 803

universal_dependencies/fr_rhapsodie

  • Config description : A Universal Dependencies corpus for spoken French.

  • Download size : 3.00 MiB

  • Dataset size : 4.10 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 1,082
'test' 840
'train' 1,288

universal_dependencies/fr_parisstories

  • Config description : Paris Stories is a corpus of oral French collected and transcribed by Linguistics students from Sorbonne Nouvelle and corrected by students from the Plurital Master's Degree of Computational Linguistics ( Inalco, Paris Nanterre, Sorbonne Nouvelle) between 2017 and 2021. It contains monologues and dialogues from speakers living in the Parisian region.

  • Download size : 1.97 MiB

  • Dataset size : 2.70 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 547
'train' 1,216

universal_dependencies/fr_pud

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

  • Download size : 1.71 MiB

  • Dataset size : 2.24 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 1,000

universal_dependencies/fr_sequoia

  • Config description : UD_French-Sequoia is an automatic conversion of the Sequoia Treebank corpus French Sequoia corpus.

  • Download size : 4.21 MiB

  • Dataset size : 6.18 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 412
'test' 456
'train' 2,231

universal_dependencies/gl_ctg

  • Config description : The Galician UD treebank is based on the automatic parsing of the Galician Technical Corpus ( http://sli.uvigo.gal/CTG ) created at the University of Vigo by the the TALG NLP research group.

  • Download size : 7.85 MiB

  • Dataset size : 10.81 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 860
'test' 861
'train' 2,272

universal_dependencies/gl_treegal

  • Config description : The Galician-TreeGal is a treebank for Galician developed at LyS Group (Universidade da Coruña).

  • Download size : 1.66 MiB

  • Dataset size : 2.35 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 400
'train' 600

universal_dependencies/de_gsd

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

  • Download size : 20.69 MiB

  • Dataset size : 29.60 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 799
'test' 977
'train' 13,814

universal_dependencies/de_hdt

  • Config description : UD German-HDT is a conversion of the Hamburg Dependency Treebank, created at the University of Hamburg through manual annotation in conjunction with a standard for morphologically and syntactically annotating sentences as well as a constraint-based parser.

  • Download size : 242.97 MiB

  • Dataset size : 347.93 MiB

  • Cache automatica ( documentazione ): No

  • Divisioni :

Diviso Esempi
'dev' 18,434
'test' 18,459
'train' 153,035

universal_dependencies/de_lit

  • Config description : This treebank aims at gathering texts of the German literary history. Currently, it hosts Fragments of the early Romanticism, ie aphorism-like texts mainly dealing with philosophical issues concerning art, beauty and related topics.

  • Download size : 1.97 MiB

  • Dataset size : 2.49 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 1,922

universal_dependencies/de_pud

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

  • Download size : 1.65 MiB

  • Dataset size : 2.20 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 1,000

universal_dependencies/got_proiel

  • Config description : The UD Gothic treebank is based on the Gothic data from the PROIEL treebank, and consists of Wulfila's Bible translation.

  • Download size : 4.98 MiB

  • Dataset size : 7.17 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 985
'test' 1,029
'train' 3,387

universal_dependencies/el_gdt

  • Config description : The Greek UD treebank (UD_Greek-GDT) is derived from the Greek Dependency Treebank ( http://gdt.ilsp.gr ), a resource developed and maintained by researchers at the Institute for Language and Speech Processing/Athena RC ( http://www.ilsp.gr ).

  • Download size : 5.52 MiB

  • Dataset size : 7.49 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 403
'test' 456
'train' 1,662

universal_dependencies/gub_tudet

  • Config description : UD_Guajajara-TuDeT is a collection of annotated sentences in Guajajara. Sentences stem from multiple sources such as descriptions of the language, short stories, dictionaries and translations from the New Testament. Sentence annotation and documentation by Lorena Martín Rodríguez and Fabrício Ferraz Gerardi.

  • Download size : 683.38 KiB

  • Dataset size : 738.09 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 1,126

universal_dependencies/gn_oldtudet

  • Config description : UD_Guarani-OldTuDeT is a collection of annotated texts in Old Guaraní. All known sources in this language are being annotated: cathesisms, grammars (seventeenth and eighteenth century), sentences from dictionaries, and other texts. Sentence annotation and documentation by Fabrício Ferraz Gerardi and Lorena Martín Rodríguez.

  • Download size : 18.93 KiB

  • Dataset size : 24.71 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 59

universal_dependencies/he_htb

  • Config description : A Universal Dependencies Corpus for Hebrew.

  • Download size : 11.64 MiB

  • Dataset size : 16.10 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 484
'test' 491
'train' 5,241

universal_dependencies/he_iahltwiki

  • Config description : Publicly available subset of the IAHLT UD Hebrew Treebank's Wikipedia section ( https://www.iahlt.org/ )

  • Download size : 10.30 MiB

  • Dataset size : 14.16 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'dev' 348
'test' 393
'train' 4,298

universal_dependencies/qfn_fame

  • Config description : UD_Frisian_Dutch-Fame is a selection of 400 sentences from the FAME! speech corpus by Yilmaz et al. (2016a, 2016b). The treebank is manually annotated using the UD scheme.

  • Download size : 232.57 KiB

  • Dataset size : 290.88 KiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi
'test' 400

universal_dependencies/qhe_hiencs

  • Config description : The Hindi-English Code-switching treebank is based on code-switching tweets of Hindi and English multilingual speakers (mostly Indian) on Twitter. The treebank is manually annotated using UD sceheme. The training and evaluations sets were seperately annotated by different annotators using UD v2 and v1 guidelines respectively. The evaluation sets are automatically converted from UD v1 to v2.

  • Download size : 893.15 KiB

  • Dataset size : 1.53 MiB

  • Auto-cache ( documentazione ): Sì

  • Divisioni :

Diviso Esempi