opus_paracrawl

参考文献:

• コード
• ハグフェイス

エルエン

次のコマンドを使用して、このデータセットを TFDS にロードします。

ds = tfds.load('huggingface:opus_paracrawl/el-en')

• 説明：

Parallel corpora from Web Crawls collected in the ParaCrawl project
40 languages, 41 bitexts
total number of files: 20,995
total number of tokens: 21.40G
total number of sentence fragments: 1.12G

• ライセンス: 既知のライセンスはありません
• バージョン: 1.0.0
• 分割:

• 特徴：

{
    "id": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    },
    "translation": {
        "languages": [
            "el",
            "en"
        ],
        "id": null,
        "_type": "Translation"
    }
}

えんは

次のコマンドを使用して、このデータセットを TFDS にロードします。

ds = tfds.load('huggingface:opus_paracrawl/en-ha')

• 説明：

Parallel corpora from Web Crawls collected in the ParaCrawl project
40 languages, 41 bitexts
total number of files: 20,995
total number of tokens: 21.40G
total number of sentence fragments: 1.12G

• ライセンス: 既知のライセンスはありません
• バージョン: 1.0.0
• 分割:

• 特徴：

{
    "id": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    },
    "translation": {
        "languages": [
            "en",
            "ha"
        ],
        "id": null,
        "_type": "Translation"
    }
}

英語

次のコマンドを使用して、このデータセットを TFDS にロードします。

ds = tfds.load('huggingface:opus_paracrawl/en-ig')

• 説明：

Parallel corpora from Web Crawls collected in the ParaCrawl project
40 languages, 41 bitexts
total number of files: 20,995
total number of tokens: 21.40G
total number of sentence fragments: 1.12G

• ライセンス: 既知のライセンスはありません
• バージョン: 1.0.0
• 分割:

• 特徴：

{
    "id": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    },
    "translation": {
        "languages": [
            "en",
            "ig"
        ],
        "id": null,
        "_type": "Translation"
    }
}

エンキロ

次のコマンドを使用して、このデータセットを TFDS にロードします。

ds = tfds.load('huggingface:opus_paracrawl/en-km')

• 説明：

Parallel corpora from Web Crawls collected in the ParaCrawl project
40 languages, 41 bitexts
total number of files: 20,995
total number of tokens: 21.40G
total number of sentence fragments: 1.12G

• ライセンス: 既知のライセンスはありません
• バージョン: 1.0.0
• 分割:

• 特徴：

{
    "id": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    },
    "translation": {
        "languages": [
            "en",
            "km"
        ],
        "id": null,
        "_type": "Translation"
    }
}

エンソ

次のコマンドを使用して、このデータセットを TFDS にロードします。

ds = tfds.load('huggingface:opus_paracrawl/en-so')

• 説明：

Parallel corpora from Web Crawls collected in the ParaCrawl project
40 languages, 41 bitexts
total number of files: 20,995
total number of tokens: 21.40G
total number of sentence fragments: 1.12G

• ライセンス: 既知のライセンスはありません
• バージョン: 1.0.0
• 分割:

• 特徴：

{
    "id": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    },
    "translation": {
        "languages": [
            "en",
            "so"
        ],
        "id": null,
        "_type": "Translation"
    }
}

脱PL

次のコマンドを使用して、このデータセットを TFDS にロードします。

ds = tfds.load('huggingface:opus_paracrawl/de-pl')

• 説明：

Parallel corpora from Web Crawls collected in the ParaCrawl project
40 languages, 41 bitexts
total number of files: 20,995
total number of tokens: 21.40G
total number of sentence fragments: 1.12G

• ライセンス: 既知のライセンスはありません
• バージョン: 1.0.0
• 分割:

• 特徴：

{
    "id": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    },
    "translation": {
        "languages": [
            "de",
            "pl"
        ],
        "id": null,
        "_type": "Translation"
    }
}

フランス-nl

次のコマンドを使用して、このデータセットを TFDS にロードします。

ds = tfds.load('huggingface:opus_paracrawl/fr-nl')

• 説明：

Parallel corpora from Web Crawls collected in the ParaCrawl project
40 languages, 41 bitexts
total number of files: 20,995
total number of tokens: 21.40G
total number of sentence fragments: 1.12G

• ライセンス: 既知のライセンスはありません
• バージョン: 1.0.0
• 分割:

• 特徴：

{
    "id": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    },
    "translation": {
        "languages": [
            "fr",
            "nl"
        ],
        "id": null,
        "_type": "Translation"
    }
}

英語

次のコマンドを使用して、このデータセットを TFDS にロードします。

ds = tfds.load('huggingface:opus_paracrawl/en-sw')

• 説明：

Parallel corpora from Web Crawls collected in the ParaCrawl project
40 languages, 41 bitexts
total number of files: 20,995
total number of tokens: 21.40G
total number of sentence fragments: 1.12G

• ライセンス: 既知のライセンスはありません
• バージョン: 1.0.0
• 分割:

• 特徴：

{
    "id": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    },
    "translation": {
        "languages": [
            "en",
            "sw"
        ],
        "id": null,
        "_type": "Translation"
    }
}

英語

次のコマンドを使用して、このデータセットを TFDS にロードします。

ds = tfds.load('huggingface:opus_paracrawl/en-tl')

• 説明：

Parallel corpora from Web Crawls collected in the ParaCrawl project
40 languages, 41 bitexts
total number of files: 20,995
total number of tokens: 21.40G
total number of sentence fragments: 1.12G

• ライセンス: 既知のライセンスはありません
• バージョン: 1.0.0
• 分割:

• 特徴：

{
    "id": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    },
    "translation": {
        "languages": [
            "en",
            "tl"
        ],
        "id": null,
        "_type": "Translation"
    }
}

エスグル

次のコマンドを使用して、このデータセットを TFDS にロードします。

ds = tfds.load('huggingface:opus_paracrawl/es-gl')

• 説明：

Parallel corpora from Web Crawls collected in the ParaCrawl project
40 languages, 41 bitexts
total number of files: 20,995
total number of tokens: 21.40G
total number of sentence fragments: 1.12G

• ライセンス: 既知のライセンスはありません
• バージョン: 1.0.0
• 分割:

• 特徴：

{
    "id": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    },
    "translation": {
        "languages": [
            "es",
            "gl"
        ],
        "id": null,
        "_type": "Translation"
    }
}