اسکار

مراجع:

unshuffled_deduplicated_af

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_af')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده ها تحت این طرح مجوز منتشر می شوند. ما مالک هیچ یک از متن هایی نیستیم که این داده ها از آن استخراج شده است. ما بسته‌بندی واقعی این داده‌ها را تحت مجوز Creative Commons CC0 مجوز می‌دهیم ("بدون حقوق محفوظ است") http://creativecommons.org/publicdomain/zero/1.0/ تا آنجایی که طبق قانون ممکن است، اینریا تمام حق نسخه‌برداری و یا مربوط به آن را لغو کرده است. حقوق همسایگی OSCAR این اثر از: فرانسه منتشر شده است.

    اگر فکر می کنید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا بازتولید شود، لطفاً:

    • با اطلاعات تماس دقیق مانند آدرس، شماره تلفن یا آدرس ایمیلی که می توان با شما تماس گرفت، به وضوح خود را شناسایی کنید.
    • اثر دارای حق نسخه برداری که ادعا می شود نقض شده است را به وضوح شناسایی کنید.
    • مطالبی را که ادعا می‌شود نقض‌کننده حقوق است و اطلاعاتی که به‌طور معقولی برای یافتن مطالب به ما امکان می‌دهد، به وضوح شناسایی کنید.

    ما با حذف منابع آسیب‌دیده از نسخه بعدی مجموعه، درخواست‌های قانونی را رعایت خواهیم کرد.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 130640
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_als

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_als')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده ها تحت این طرح مجوز منتشر می شوند. ما مالک هیچ یک از متن هایی نیستیم که این داده ها از آن استخراج شده است. ما بسته‌بندی واقعی این داده‌ها را تحت مجوز Creative Commons CC0 مجوز می‌دهیم ("بدون حقوق محفوظ است") http://creativecommons.org/publicdomain/zero/1.0/ تا آنجایی که طبق قانون ممکن است، اینریا تمام حق نسخه‌برداری و یا مربوط به آن را لغو کرده است. حقوق همسایگی OSCAR این اثر از: فرانسه منتشر شده است.

    اگر فکر می کنید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا بازتولید شود، لطفاً:

    • با اطلاعات تماس دقیق مانند آدرس، شماره تلفن یا آدرس ایمیلی که می توان با شما تماس گرفت، به وضوح خود را شناسایی کنید.
    • اثر دارای حق نسخه برداری که ادعا می شود نقض شده است را به وضوح شناسایی کنید.
    • مطالبی را که ادعا می‌شود نقض‌کننده حقوق است و اطلاعاتی که به‌طور معقولی برای یافتن مطالب به ما امکان می‌دهد، به وضوح شناسایی کنید.

    ما با حذف منابع آسیب‌دیده از نسخه بعدی مجموعه، درخواست‌های قانونی را رعایت خواهیم کرد.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 4518
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_arz

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_arz')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده ها تحت این طرح مجوز منتشر می شوند. ما مالک هیچ یک از متن هایی نیستیم که این داده ها از آن استخراج شده است. ما بسته‌بندی واقعی این داده‌ها را تحت مجوز Creative Commons CC0 مجوز می‌دهیم ("بدون حقوق محفوظ است") http://creativecommons.org/publicdomain/zero/1.0/ تا آنجایی که طبق قانون ممکن است، اینریا تمام حق نسخه‌برداری و یا مربوط به آن را لغو کرده است. حقوق همسایگی OSCAR این اثر از: فرانسه منتشر شده است.

    اگر فکر می کنید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا بازتولید شود، لطفاً:

    • با اطلاعات تماس دقیق مانند آدرس، شماره تلفن یا آدرس ایمیلی که می توان با شما تماس گرفت، به وضوح خود را شناسایی کنید.
    • اثر دارای حق نسخه برداری که ادعا می شود نقض شده است را به وضوح شناسایی کنید.
    • مطالبی را که ادعا می‌شود نقض‌کننده حقوق است و اطلاعاتی که به‌طور معقولی برای یافتن مطالب به ما امکان می‌دهد، به وضوح شناسایی کنید.

    ما با حذف منابع آسیب‌دیده از نسخه بعدی مجموعه، درخواست‌های قانونی را رعایت خواهیم کرد.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 79928
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_an

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_an')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده ها تحت این طرح مجوز منتشر می شوند. ما مالک هیچ یک از متن هایی نیستیم که این داده ها از آن استخراج شده است. ما بسته‌بندی واقعی این داده‌ها را تحت مجوز Creative Commons CC0 مجوز می‌دهیم ("بدون حقوق محفوظ است") http://creativecommons.org/publicdomain/zero/1.0/ تا آنجایی که طبق قانون ممکن است، اینریا تمام حق نسخه‌برداری و یا مربوط به آن را لغو کرده است. حقوق همسایگی OSCAR این اثر از: فرانسه منتشر شده است.

    اگر فکر می کنید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا بازتولید شود، لطفاً:

    • با اطلاعات تماس دقیق مانند آدرس، شماره تلفن یا آدرس ایمیلی که می توان با شما تماس گرفت، به وضوح خود را شناسایی کنید.
    • اثر دارای حق نسخه برداری که ادعا می شود نقض شده است را به وضوح شناسایی کنید.
    • مطالبی را که ادعا می‌شود نقض‌کننده حقوق است و اطلاعاتی که به‌طور معقولی برای یافتن مطالب به ما امکان می‌دهد، به وضوح شناسایی کنید.

    ما با حذف منابع آسیب‌دیده از نسخه بعدی مجموعه، درخواست‌های قانونی را رعایت خواهیم کرد.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 2025
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_ast

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ast')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده ها تحت این طرح مجوز منتشر می شوند. ما مالک هیچ یک از متن هایی نیستیم که این داده ها از آن استخراج شده است. ما بسته‌بندی واقعی این داده‌ها را تحت مجوز Creative Commons CC0 مجوز می‌دهیم ("بدون حقوق محفوظ است") http://creativecommons.org/publicdomain/zero/1.0/ تا آنجایی که طبق قانون ممکن است، اینریا تمام حق نسخه‌برداری و یا مربوط به آن را لغو کرده است. حقوق همسایگی OSCAR این اثر از: فرانسه منتشر شده است.

    اگر فکر می کنید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا بازتولید شود، لطفاً:

    • با اطلاعات تماس دقیق مانند آدرس، شماره تلفن یا آدرس ایمیلی که می توان با شما تماس گرفت، به وضوح خود را شناسایی کنید.
    • اثر دارای حق نسخه برداری که ادعا می شود نقض شده است را به وضوح شناسایی کنید.
    • مطالبی را که ادعا می‌شود نقض‌کننده حقوق است و اطلاعاتی که به‌طور معقولی برای یافتن مطالب به ما امکان می‌دهد، به وضوح شناسایی کنید.

    ما با حذف منابع آسیب‌دیده از نسخه بعدی مجموعه، درخواست‌های قانونی را رعایت خواهیم کرد.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 5343
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_ba

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ba')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده ها تحت این طرح مجوز منتشر می شوند. ما مالک هیچ یک از متن هایی نیستیم که این داده ها از آن استخراج شده است. ما بسته‌بندی واقعی این داده‌ها را تحت مجوز Creative Commons CC0 مجوز می‌دهیم ("بدون حقوق محفوظ است") http://creativecommons.org/publicdomain/zero/1.0/ تا آنجایی که طبق قانون ممکن است، اینریا تمام حق نسخه‌برداری و یا مربوط به آن را لغو کرده است. حقوق همسایگی OSCAR این اثر از: فرانسه منتشر شده است.

    اگر فکر می کنید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا بازتولید شود، لطفاً:

    • با اطلاعات تماس دقیق مانند آدرس، شماره تلفن یا آدرس ایمیلی که می توان با شما تماس گرفت، به وضوح خود را شناسایی کنید.
    • اثر دارای حق نسخه برداری که ادعا می شود نقض شده است را به وضوح شناسایی کنید.
    • مطالبی را که ادعا می‌شود نقض‌کننده حقوق است و اطلاعاتی که به‌طور معقولی برای یافتن مطالب به ما امکان می‌دهد، به وضوح شناسایی کنید.

    ما با حذف منابع آسیب‌دیده از نسخه بعدی مجموعه، درخواست‌های قانونی را رعایت خواهیم کرد.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 27050
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_am

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_am')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده ها تحت این طرح مجوز منتشر می شوند. ما مالک هیچ یک از متن هایی نیستیم که این داده ها از آن استخراج شده است. ما بسته‌بندی واقعی این داده‌ها را تحت مجوز Creative Commons CC0 مجوز می‌دهیم ("بدون حقوق محفوظ است") http://creativecommons.org/publicdomain/zero/1.0/ تا آنجایی که طبق قانون ممکن است، اینریا تمام حق نسخه‌برداری و یا مربوط به آن را لغو کرده است. حقوق همسایگی OSCAR این اثر از: فرانسه منتشر شده است.

    اگر فکر می کنید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا بازتولید شود، لطفاً:

    • با اطلاعات تماس دقیق مانند آدرس، شماره تلفن یا آدرس ایمیلی که می توان با شما تماس گرفت، به وضوح خود را شناسایی کنید.
    • اثر دارای حق نسخه برداری که ادعا می شود نقض شده است را به وضوح شناسایی کنید.
    • مطالبی را که ادعا می‌شود نقض‌کننده حقوق است و اطلاعاتی که به‌طور معقولی برای یافتن مطالب به ما امکان می‌دهد، به وضوح شناسایی کنید.

    ما با حذف منابع آسیب‌دیده از نسخه بعدی مجموعه، درخواست‌های قانونی را رعایت خواهیم کرد.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 43102
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_as

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_as')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده ها تحت این طرح مجوز منتشر می شوند. ما مالک هیچ یک از متن هایی نیستیم که این داده ها از آن استخراج شده است. ما بسته‌بندی واقعی این داده‌ها را تحت مجوز Creative Commons CC0 مجوز می‌دهیم ("بدون حقوق محفوظ است") http://creativecommons.org/publicdomain/zero/1.0/ تا آنجایی که طبق قانون ممکن است، اینریا تمام حق نسخه‌برداری و یا مربوط به آن را لغو کرده است. حقوق همسایگی OSCAR این اثر از: فرانسه منتشر شده است.

    اگر فکر می کنید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا بازتولید شود، لطفاً:

    • با اطلاعات تماس دقیق مانند آدرس، شماره تلفن یا آدرس ایمیلی که می توان با شما تماس گرفت، به وضوح خود را شناسایی کنید.
    • اثر دارای حق نسخه برداری که ادعا می شود نقض شده است را به وضوح شناسایی کنید.
    • مطالبی را که ادعا می‌شود نقض‌کننده حقوق است و اطلاعاتی که به‌طور معقولی برای یافتن مطالب به ما امکان می‌دهد، به وضوح شناسایی کنید.

    ما با حذف منابع آسیب‌دیده از نسخه بعدی مجموعه، درخواست‌های قانونی را رعایت خواهیم کرد.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 9212
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_azb

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_azb')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده ها تحت این طرح مجوز منتشر می شوند. ما مالک هیچ یک از متن هایی نیستیم که این داده ها از آن استخراج شده است. ما بسته‌بندی واقعی این داده‌ها را تحت مجوز Creative Commons CC0 مجوز می‌دهیم ("بدون حقوق محفوظ است") http://creativecommons.org/publicdomain/zero/1.0/ تا آنجایی که طبق قانون ممکن است، اینریا تمام حق نسخه‌برداری و یا مربوط به آن را لغو کرده است. حقوق همسایگی OSCAR این اثر از: فرانسه منتشر شده است.

    اگر فکر می کنید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا بازتولید شود، لطفاً:

    • با اطلاعات تماس دقیق مانند آدرس، شماره تلفن یا آدرس ایمیلی که می توان با شما تماس گرفت، به وضوح خود را شناسایی کنید.
    • اثر دارای حق نسخه برداری که ادعا می شود نقض شده است را به وضوح شناسایی کنید.
    • مطالبی را که ادعا می‌شود نقض‌کننده حقوق است و اطلاعاتی که به‌طور معقولی برای یافتن مطالب به ما امکان می‌دهد، به وضوح شناسایی کنید.

    ما با حذف منابع آسیب‌دیده از نسخه بعدی مجموعه، درخواست‌های قانونی را رعایت خواهیم کرد.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 9985
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_be

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_be')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده ها تحت این طرح مجوز منتشر می شوند. ما مالک هیچ یک از متن هایی نیستیم که این داده ها از آن استخراج شده است. ما بسته‌بندی واقعی این داده‌ها را تحت مجوز Creative Commons CC0 مجوز می‌دهیم ("بدون حقوق محفوظ است") http://creativecommons.org/publicdomain/zero/1.0/ تا آنجایی که طبق قانون ممکن است، اینریا تمام حق نسخه‌برداری و یا مربوط به آن را لغو کرده است. حقوق همسایگی OSCAR این اثر از: فرانسه منتشر شده است.

    اگر فکر می کنید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا بازتولید شود، لطفاً:

    • با اطلاعات تماس دقیق مانند آدرس، شماره تلفن یا آدرس ایمیلی که می توان با شما تماس گرفت، به وضوح خود را شناسایی کنید.
    • اثر دارای حق نسخه برداری که ادعا می شود نقض شده است را به وضوح شناسایی کنید.
    • مطالبی را که ادعا می‌شود نقض‌کننده حقوق است و اطلاعاتی که به‌طور معقولی برای یافتن مطالب به ما امکان می‌دهد، به وضوح شناسایی کنید.

    ما با حذف منابع آسیب‌دیده از نسخه بعدی مجموعه، درخواست‌های قانونی را رعایت خواهیم کرد.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 307405
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_bo

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_bo')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده ها تحت این طرح مجوز منتشر می شوند. ما مالک هیچ یک از متن هایی نیستیم که این داده ها از آن استخراج شده است. ما بسته‌بندی واقعی این داده‌ها را تحت مجوز Creative Commons CC0 مجوز می‌دهیم ("بدون حقوق محفوظ است") http://creativecommons.org/publicdomain/zero/1.0/ تا آنجایی که طبق قانون ممکن است، اینریا تمام حق نسخه‌برداری و یا مربوط به آن را لغو کرده است. حقوق همسایگی OSCAR این اثر از: فرانسه منتشر شده است.

    اگر فکر می کنید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا بازتولید شود، لطفاً:

    • با اطلاعات تماس دقیق مانند آدرس، شماره تلفن یا آدرس ایمیلی که می توان با شما تماس گرفت، به وضوح خود را شناسایی کنید.
    • اثر دارای حق نسخه برداری که ادعا می شود نقض شده است را به وضوح شناسایی کنید.
    • مطالبی را که ادعا می‌شود نقض‌کننده حقوق است و اطلاعاتی که به‌طور معقولی برای یافتن مطالب به ما امکان می‌دهد، به وضوح شناسایی کنید.

    ما با حذف منابع آسیب‌دیده از نسخه بعدی مجموعه، درخواست‌های قانونی را رعایت خواهیم کرد.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 15762
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_bxr

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_bxr')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده ها تحت این طرح مجوز منتشر می شوند. ما مالک هیچ یک از متن هایی نیستیم که این داده ها از آن استخراج شده است. ما بسته‌بندی واقعی این داده‌ها را تحت مجوز Creative Commons CC0 مجوز می‌دهیم ("بدون حقوق محفوظ است") http://creativecommons.org/publicdomain/zero/1.0/ تا آنجایی که طبق قانون ممکن است، اینریا تمام حق نسخه‌برداری و یا مربوط به آن را لغو کرده است. حقوق همسایگی OSCAR این اثر از: فرانسه منتشر شده است.

    اگر فکر می کنید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا بازتولید شود، لطفاً:

    • با اطلاعات تماس دقیق مانند آدرس، شماره تلفن یا آدرس ایمیلی که می توان با شما تماس گرفت، به وضوح خود را شناسایی کنید.
    • اثر دارای حق نسخه برداری که ادعا می شود نقض شده است را به وضوح شناسایی کنید.
    • مطالبی را که ادعا می‌شود نقض‌کننده حقوق است و اطلاعاتی که به‌طور معقولی برای یافتن مطالب به ما امکان می‌دهد، به وضوح شناسایی کنید.

    ما با حذف منابع آسیب‌دیده از نسخه بعدی مجموعه، درخواست‌های قانونی را رعایت خواهیم کرد.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 36
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_ceb

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ceb')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده ها تحت این طرح مجوز منتشر می شوند. ما مالک هیچ یک از متن هایی نیستیم که این داده ها از آن استخراج شده است. ما بسته‌بندی واقعی این داده‌ها را تحت مجوز Creative Commons CC0 مجوز می‌دهیم ("بدون حقوق محفوظ است") http://creativecommons.org/publicdomain/zero/1.0/ تا آنجایی که طبق قانون ممکن است، اینریا تمام حق نسخه‌برداری و یا مربوط به آن را لغو کرده است. حقوق همسایگی OSCAR این اثر از: فرانسه منتشر شده است.

    اگر فکر می کنید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا بازتولید شود، لطفاً:

    • با اطلاعات تماس دقیق مانند آدرس، شماره تلفن یا آدرس ایمیلی که می توان با شما تماس گرفت، به وضوح خود را شناسایی کنید.
    • اثر دارای حق نسخه برداری که ادعا می شود نقض شده است را به وضوح شناسایی کنید.
    • مطالبی را که ادعا می‌شود نقض‌کننده حقوق است و اطلاعاتی که به‌طور معقولی برای یافتن مطالب به ما امکان می‌دهد، به وضوح شناسایی کنید.

    ما با حذف منابع آسیب‌دیده از نسخه بعدی مجموعه، درخواست‌های قانونی را رعایت خواهیم کرد.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 26145
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_az

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_az')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده ها تحت این طرح مجوز منتشر می شوند. ما مالک هیچ یک از متن هایی نیستیم که این داده ها از آن استخراج شده است. ما بسته‌بندی واقعی این داده‌ها را تحت مجوز Creative Commons CC0 مجوز می‌دهیم ("بدون حقوق محفوظ است") http://creativecommons.org/publicdomain/zero/1.0/ تا آنجایی که طبق قانون ممکن است، اینریا تمام حق نسخه‌برداری و یا مربوط به آن را لغو کرده است. حقوق همسایگی OSCAR این اثر از: فرانسه منتشر شده است.

    اگر فکر می کنید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا بازتولید شود، لطفاً:

    • با اطلاعات تماس دقیق مانند آدرس، شماره تلفن یا آدرس ایمیلی که می توان با شما تماس گرفت، به وضوح خود را شناسایی کنید.
    • اثر دارای حق نسخه برداری که ادعا می شود نقض شده است را به وضوح شناسایی کنید.
    • مطالبی را که ادعا می‌شود نقض‌کننده حقوق است و اطلاعاتی که به‌طور معقولی برای یافتن مطالب به ما امکان می‌دهد، به وضوح شناسایی کنید.

    ما با حذف منابع آسیب‌دیده از نسخه بعدی مجموعه، درخواست‌های قانونی را رعایت خواهیم کرد.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 626796
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_bcl

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_bcl')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده ها تحت این طرح مجوز منتشر می شوند. ما مالک هیچ یک از متن هایی نیستیم که این داده ها از آن استخراج شده است. ما بسته‌بندی واقعی این داده‌ها را تحت مجوز Creative Commons CC0 مجوز می‌دهیم ("بدون حقوق محفوظ است") http://creativecommons.org/publicdomain/zero/1.0/ تا آنجایی که طبق قانون ممکن است، اینریا تمام حق نسخه‌برداری و یا مربوط به آن را لغو کرده است. حقوق همسایگی OSCAR این اثر از: فرانسه منتشر شده است.

    اگر فکر می کنید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا بازتولید شود، لطفاً:

    • با اطلاعات تماس دقیق مانند آدرس، شماره تلفن یا آدرس ایمیلی که می توان با شما تماس گرفت، به وضوح خود را شناسایی کنید.
    • اثر دارای حق نسخه برداری که ادعا می شود نقض شده است را به وضوح شناسایی کنید.
    • مطالبی را که ادعا می‌شود نقض‌کننده حقوق است و اطلاعاتی که به‌طور معقولی برای یافتن مطالب به ما امکان می‌دهد، به وضوح شناسایی کنید.

    ما با حذف منابع آسیب‌دیده از نسخه بعدی مجموعه، درخواست‌های قانونی را رعایت خواهیم کرد.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 1
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_cy

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_cy')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده ها تحت این طرح مجوز منتشر می شوند. ما مالک هیچ یک از متن هایی نیستیم که این داده ها از آن استخراج شده است. ما بسته‌بندی واقعی این داده‌ها را تحت مجوز Creative Commons CC0 مجوز می‌دهیم ("بدون حقوق محفوظ است") http://creativecommons.org/publicdomain/zero/1.0/ تا آنجایی که طبق قانون ممکن است، اینریا تمام حق نسخه‌برداری و یا مربوط به آن را لغو کرده است. حقوق همسایگی OSCAR این اثر از: فرانسه منتشر شده است.

    اگر فکر می کنید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا بازتولید شود، لطفاً:

    • با اطلاعات تماس دقیق مانند آدرس، شماره تلفن یا آدرس ایمیلی که می توان با شما تماس گرفت، به وضوح خود را شناسایی کنید.
    • اثر دارای حق نسخه برداری که ادعا می شود نقض شده است را به وضوح شناسایی کنید.
    • مطالبی را که ادعا می‌شود نقض‌کننده حقوق است و اطلاعاتی که به‌طور معقولی برای یافتن مطالب به ما امکان می‌دهد، به وضوح شناسایی کنید.

    ما با حذف منابع آسیب‌دیده از نسخه بعدی مجموعه، درخواست‌های قانونی را رعایت خواهیم کرد.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 98225
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_dsb

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_dsb')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده ها تحت این طرح مجوز منتشر می شوند. ما مالک هیچ یک از متن هایی نیستیم که این داده ها از آن استخراج شده است. ما بسته‌بندی واقعی این داده‌ها را تحت مجوز Creative Commons CC0 مجوز می‌دهیم ("بدون حقوق محفوظ است") http://creativecommons.org/publicdomain/zero/1.0/ تا آنجایی که طبق قانون ممکن است، اینریا تمام حق نسخه‌برداری و یا مربوط به آن را لغو کرده است. حقوق همسایگی OSCAR این اثر از: فرانسه منتشر شده است.

    اگر فکر می کنید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا بازتولید شود، لطفاً:

    • با اطلاعات تماس دقیق مانند آدرس، شماره تلفن یا آدرس ایمیلی که می توان با شما تماس گرفت، به وضوح خود را شناسایی کنید.
    • اثر دارای حق نسخه برداری که ادعا می شود نقض شده است را به وضوح شناسایی کنید.
    • مطالبی را که ادعا می‌شود نقض‌کننده حقوق است و اطلاعاتی که به‌طور معقولی برای یافتن مطالب به ما امکان می‌دهد، به وضوح شناسایی کنید.

    ما با حذف منابع آسیب‌دیده از نسخه بعدی مجموعه، درخواست‌های قانونی را رعایت خواهیم کرد.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 37
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_bn

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_bn')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده ها تحت این طرح مجوز منتشر می شوند. ما مالک هیچ یک از متن هایی نیستیم که این داده ها از آن استخراج شده است. ما بسته‌بندی واقعی این داده‌ها را تحت مجوز Creative Commons CC0 مجوز می‌دهیم ("بدون حقوق محفوظ است") http://creativecommons.org/publicdomain/zero/1.0/ تا آنجایی که طبق قانون ممکن است، اینریا تمام حق نسخه‌برداری و یا مربوط به آن را لغو کرده است. حقوق همسایگی OSCAR این اثر از: فرانسه منتشر شده است.

    اگر فکر می کنید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا بازتولید شود، لطفاً:

    • با اطلاعات تماس دقیق مانند آدرس، شماره تلفن یا آدرس ایمیلی که می توان با شما تماس گرفت، به وضوح خود را شناسایی کنید.
    • اثر دارای حق نسخه برداری که ادعا می شود نقض شده است را به وضوح شناسایی کنید.
    • مطالبی را که ادعا می‌شود نقض‌کننده حقوق است و اطلاعاتی که به‌طور معقولی برای یافتن مطالب به ما امکان می‌دهد، به وضوح شناسایی کنید.

    ما با حذف منابع آسیب‌دیده از نسخه بعدی مجموعه، درخواست‌های قانونی را رعایت خواهیم کرد.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 1114481
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_bs

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_bs')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده ها تحت این طرح مجوز منتشر می شوند. ما مالک هیچ یک از متن هایی نیستیم که این داده ها از آن استخراج شده است. ما بسته‌بندی واقعی این داده‌ها را تحت مجوز Creative Commons CC0 مجوز می‌دهیم ("بدون حقوق محفوظ است") http://creativecommons.org/publicdomain/zero/1.0/ تا آنجایی که طبق قانون ممکن است، اینریا تمام حق نسخه‌برداری و یا مربوط به آن را لغو کرده است. حقوق همسایگی OSCAR این اثر از: فرانسه منتشر شده است.

    اگر فکر می کنید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا بازتولید شود، لطفاً:

    • با اطلاعات تماس دقیق مانند آدرس، شماره تلفن یا آدرس ایمیلی که می توان با شما تماس گرفت، به وضوح خود را شناسایی کنید.
    • اثر دارای حق نسخه برداری که ادعا می شود نقض شده است را به وضوح شناسایی کنید.
    • مطالبی را که ادعا می‌شود نقض‌کننده حقوق است و اطلاعاتی که به‌طور معقولی برای یافتن مطالب به ما امکان می‌دهد، به وضوح شناسایی کنید.

    ما با حذف منابع آسیب‌دیده از نسخه بعدی مجموعه، درخواست‌های قانونی را رعایت خواهیم کرد.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 702
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_ce

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ce')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده ها تحت این طرح مجوز منتشر می شوند. ما مالک هیچ یک از متن هایی نیستیم که این داده ها از آن استخراج شده است. ما بسته‌بندی واقعی این داده‌ها را تحت مجوز Creative Commons CC0 مجوز می‌دهیم ("بدون حقوق محفوظ است") http://creativecommons.org/publicdomain/zero/1.0/ تا آنجایی که طبق قانون ممکن است، اینریا تمام حق نسخه‌برداری و یا مربوط به آن را لغو کرده است. حقوق همسایگی OSCAR این اثر از: فرانسه منتشر شده است.

    اگر فکر می کنید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا بازتولید شود، لطفاً:

    • با اطلاعات تماس دقیق مانند آدرس، شماره تلفن یا آدرس ایمیلی که می توان با شما تماس گرفت، به وضوح خود را شناسایی کنید.
    • اثر دارای حق نسخه برداری که ادعا می شود نقض شده است را به وضوح شناسایی کنید.
    • مطالبی را که ادعا می‌شود نقض‌کننده حقوق است و اطلاعاتی که به‌طور معقولی برای یافتن مطالب به ما امکان می‌دهد، به وضوح شناسایی کنید.

    ما با حذف منابع آسیب‌دیده از نسخه بعدی مجموعه، درخواست‌های قانونی را رعایت خواهیم کرد.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 2984
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_cv

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_cv')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده ها تحت این طرح مجوز منتشر می شوند. ما مالک هیچ یک از متن هایی نیستیم که این داده ها از آن استخراج شده است. ما بسته‌بندی واقعی این داده‌ها را تحت مجوز Creative Commons CC0 مجوز می‌دهیم ("بدون حقوق محفوظ است") http://creativecommons.org/publicdomain/zero/1.0/ تا آنجایی که طبق قانون ممکن است، اینریا تمام حق نسخه‌برداری و یا مربوط به آن را لغو کرده است. حقوق همسایگی OSCAR این اثر از: فرانسه منتشر شده است.

    اگر فکر می کنید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا بازتولید شود، لطفاً:

    • با اطلاعات تماس دقیق مانند آدرس، شماره تلفن یا آدرس ایمیلی که می توان با شما تماس گرفت، به وضوح خود را شناسایی کنید.
    • اثر دارای حق نسخه برداری که ادعا می شود نقض شده است را به وضوح شناسایی کنید.
    • مطالبی را که ادعا می‌شود نقض‌کننده حقوق است و اطلاعاتی که به‌طور معقولی برای یافتن مطالب به ما امکان می‌دهد، به وضوح شناسایی کنید.

    ما با حذف منابع آسیب‌دیده از نسخه بعدی مجموعه، درخواست‌های قانونی را رعایت خواهیم کرد.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 10130
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_diq

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_diq')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده ها تحت این طرح مجوز منتشر می شوند. ما مالک هیچ یک از متن هایی نیستیم که این داده ها از آن استخراج شده است. ما بسته‌بندی واقعی این داده‌ها را تحت مجوز Creative Commons CC0 مجوز می‌دهیم ("بدون حقوق محفوظ است") http://creativecommons.org/publicdomain/zero/1.0/ تا آنجایی که طبق قانون ممکن است، اینریا تمام حق نسخه‌برداری و یا مربوط به آن را لغو کرده است. حقوق همسایگی OSCAR این اثر از: فرانسه منتشر شده است.

    اگر فکر می کنید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا بازتولید شود، لطفاً:

    • با اطلاعات تماس دقیق مانند آدرس، شماره تلفن یا آدرس ایمیلی که می توان با شما تماس گرفت، به وضوح خود را شناسایی کنید.
    • اثر دارای حق نسخه برداری که ادعا می شود نقض شده است را به وضوح شناسایی کنید.
    • مطالبی را که ادعا می‌شود نقض‌کننده حقوق است و اطلاعاتی که به‌طور معقولی برای یافتن مطالب به ما امکان می‌دهد، به وضوح شناسایی کنید.

    ما با حذف منابع آسیب‌دیده از نسخه بعدی مجموعه، درخواست‌های قانونی را رعایت خواهیم کرد.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 1
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_eml

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_eml')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده ها تحت این طرح مجوز منتشر می شوند. ما مالک هیچ یک از متن هایی نیستیم که این داده ها از آن استخراج شده است. ما بسته‌بندی واقعی این داده‌ها را تحت مجوز Creative Commons CC0 مجوز می‌دهیم ("بدون حقوق محفوظ است") http://creativecommons.org/publicdomain/zero/1.0/ تا آنجایی که طبق قانون ممکن است، اینریا تمام حق نسخه‌برداری و یا مربوط به آن را لغو کرده است. حقوق همسایگی OSCAR این اثر از: فرانسه منتشر شده است.

    اگر فکر می کنید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا بازتولید شود، لطفاً:

    • با اطلاعات تماس دقیق مانند آدرس، شماره تلفن یا آدرس ایمیلی که می توان با شما تماس گرفت، به وضوح خود را شناسایی کنید.
    • اثر دارای حق نسخه برداری که ادعا می شود نقض شده است را به وضوح شناسایی کنید.
    • مطالبی را که ادعا می‌شود نقض‌کننده حقوق است و اطلاعاتی که به‌طور معقولی برای یافتن مطالب به ما امکان می‌دهد، به وضوح شناسایی کنید.

    ما با حذف منابع آسیب‌دیده از نسخه بعدی مجموعه، درخواست‌های قانونی را رعایت خواهیم کرد.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 80
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_et

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_et')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده ها تحت این طرح مجوز منتشر می شوند. ما مالک هیچ یک از متن هایی نیستیم که این داده ها از آن استخراج شده است. ما بسته‌بندی واقعی این داده‌ها را تحت مجوز Creative Commons CC0 مجوز می‌دهیم ("بدون حقوق محفوظ است") http://creativecommons.org/publicdomain/zero/1.0/ تا آنجایی که طبق قانون ممکن است، اینریا تمام حق نسخه‌برداری و یا مربوط به آن را لغو کرده است. حقوق همسایگی OSCAR این اثر از: فرانسه منتشر شده است.

    اگر فکر می کنید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا بازتولید شود، لطفاً:

    • با اطلاعات تماس دقیق مانند آدرس، شماره تلفن یا آدرس ایمیلی که می توان با شما تماس گرفت، به وضوح خود را شناسایی کنید.
    • اثر دارای حق نسخه برداری که ادعا می شود نقض شده است را به وضوح شناسایی کنید.
    • مطالبی را که ادعا می‌شود نقض‌کننده حقوق است و اطلاعاتی که به‌طور معقولی برای یافتن مطالب به ما امکان می‌دهد، به وضوح شناسایی کنید.

    ما با حذف منابع آسیب‌دیده از نسخه بعدی مجموعه، درخواست‌های قانونی را رعایت خواهیم کرد.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 1172041
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_bg

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_bg')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده ها تحت این طرح مجوز منتشر می شوند. ما مالک هیچ یک از متن هایی نیستیم که این داده ها از آن استخراج شده است. ما بسته‌بندی واقعی این داده‌ها را تحت مجوز Creative Commons CC0 مجوز می‌دهیم ("بدون حقوق محفوظ است") http://creativecommons.org/publicdomain/zero/1.0/ تا آنجایی که طبق قانون ممکن است، اینریا تمام حق نسخه‌برداری و یا مربوط به آن را لغو کرده است. حقوق همسایگی OSCAR این اثر از: فرانسه منتشر شده است.

    اگر فکر می کنید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا بازتولید شود، لطفاً:

    • با اطلاعات تماس دقیق مانند آدرس، شماره تلفن یا آدرس ایمیلی که می توان با شما تماس گرفت، به وضوح خود را شناسایی کنید.
    • اثر دارای حق نسخه برداری که ادعا می شود نقض شده است را به وضوح شناسایی کنید.
    • مطالبی را که ادعا می‌شود نقض‌کننده حقوق است و اطلاعاتی که به‌طور معقولی برای یافتن مطالب به ما امکان می‌دهد، به وضوح شناسایی کنید.

    ما با حذف منابع آسیب‌دیده از نسخه بعدی مجموعه، درخواست‌های قانونی را رعایت خواهیم کرد.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 3398679
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_bpy

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_bpy')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده ها تحت این طرح مجوز منتشر می شوند. ما مالک هیچ یک از متن هایی نیستیم که این داده ها از آن استخراج شده است. ما بسته‌بندی واقعی این داده‌ها را تحت مجوز Creative Commons CC0 مجوز می‌دهیم ("بدون حقوق محفوظ است") http://creativecommons.org/publicdomain/zero/1.0/ تا آنجایی که طبق قانون ممکن است، اینریا تمام حق نسخه‌برداری و یا مربوط به آن را لغو کرده است. حقوق همسایگی OSCAR این اثر از: فرانسه منتشر شده است.

    اگر فکر می کنید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا بازتولید شود، لطفاً:

    • با اطلاعات تماس دقیق مانند آدرس، شماره تلفن یا آدرس ایمیلی که می توان با شما تماس گرفت، به وضوح خود را شناسایی کنید.
    • اثر دارای حق نسخه برداری که ادعا می شود نقض شده است را به وضوح شناسایی کنید.
    • مطالبی را که ادعا می‌شود نقض‌کننده حقوق است و اطلاعاتی که به‌طور معقولی برای یافتن مطالب به ما امکان می‌دهد، به وضوح شناسایی کنید.

    ما با حذف منابع آسیب‌دیده از نسخه بعدی مجموعه، درخواست‌های قانونی را رعایت خواهیم کرد.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 1770
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_ca

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ca')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده‌ها تحت این طرح مجوز منتشر می‌شوند. ما مالک هیچ یک از متن‌هایی نیستیم که این داده‌ها از آن استخراج شده‌اند. ما بسته‌بندی واقعی این داده‌ها را تحت مجوز Creative Commons CC0 مجوز می‌دهیم ("بدون حقوق محفوظ است") http://creativecommons.org/publicdomain/zero/1.0/ تا آنجایی که طبق قانون ممکن است، اینریا تمام حق نسخه‌برداری و یا مربوط به آن را لغو کرده است. حقوق همسایگی OSCAR این اثر از: فرانسه منتشر شده است.

    اگر فکر می کنید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا بازتولید شود، لطفاً:

    • با اطلاعات تماس دقیق مانند آدرس، شماره تلفن یا آدرس ایمیلی که می توان با شما تماس گرفت، به وضوح خود را شناسایی کنید.
    • اثر دارای حق نسخه برداری که ادعا می شود نقض شده است را به وضوح شناسایی کنید.
    • مطالبی را که ادعا می‌شود نقض‌کننده حقوق است و اطلاعاتی که به‌طور معقولی برای یافتن مطالب به ما امکان می‌دهد، به وضوح شناسایی کنید.

    ما با حذف منابع آسیب‌دیده از نسخه بعدی مجموعه، درخواست‌های قانونی را رعایت خواهیم کرد.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 2458067
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_ckb

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ckb')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده ها تحت این طرح مجوز منتشر می شوند. ما مالک هیچ یک از متن هایی نیستیم که این داده ها از آن استخراج شده است. ما بسته‌بندی واقعی این داده‌ها را تحت مجوز Creative Commons CC0 مجوز می‌دهیم ("بدون حقوق محفوظ است") http://creativecommons.org/publicdomain/zero/1.0/ تا آنجایی که طبق قانون ممکن است، اینریا تمام حق نسخه‌برداری و یا مربوط به آن را لغو کرده است. حقوق همسایگی OSCAR این اثر از: فرانسه منتشر شده است.

    اگر فکر می کنید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا بازتولید شود، لطفاً:

    • با اطلاعات تماس دقیق مانند آدرس، شماره تلفن یا آدرس ایمیلی که می توان با شما تماس گرفت، به وضوح خود را شناسایی کنید.
    • اثر دارای حق نسخه برداری که ادعا می شود نقض شده است را به وضوح شناسایی کنید.
    • مطالبی را که ادعا می‌شود نقض‌کننده حقوق است و اطلاعاتی که به‌طور معقولی برای یافتن مطالب به ما امکان می‌دهد، به وضوح شناسایی کنید.

    ما با حذف منابع آسیب‌دیده از نسخه بعدی مجموعه، درخواست‌های قانونی را رعایت خواهیم کرد.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 68210
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_ar

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ar')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده ها تحت این طرح مجوز منتشر می شوند. ما مالک هیچ یک از متن هایی نیستیم که این داده ها از آن استخراج شده است. ما بسته‌بندی واقعی این داده‌ها را تحت مجوز Creative Commons CC0 مجوز می‌دهیم ("بدون حقوق محفوظ است") http://creativecommons.org/publicdomain/zero/1.0/ تا آنجایی که طبق قانون ممکن است، اینریا تمام حق نسخه‌برداری و یا مربوط به آن را لغو کرده است. حقوق همسایگی OSCAR این اثر از: فرانسه منتشر شده است.

    اگر فکر می کنید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا بازتولید شود، لطفاً:

    • با اطلاعات تماس دقیق مانند آدرس، شماره تلفن یا آدرس ایمیلی که می توان با شما تماس گرفت، به وضوح خود را شناسایی کنید.
    • اثر دارای حق نسخه برداری که ادعا می شود نقض شده است را به وضوح شناسایی کنید.
    • مطالبی را که ادعا می‌شود نقض‌کننده حقوق است و اطلاعاتی که به‌طور معقولی برای یافتن مطالب به ما امکان می‌دهد، به وضوح شناسایی کنید.

    ما با حذف منابع آسیب‌دیده از نسخه بعدی مجموعه، درخواست‌های قانونی را رعایت خواهیم کرد.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 9006977
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_av

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_av')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده‌ها تحت این طرح مجوز منتشر می‌شوند. ما مالک هیچ یک از متن‌هایی نیستیم که این داده‌ها از آن استخراج شده‌اند. ما بسته‌بندی واقعی این داده‌ها را تحت مجوز Creative Commons CC0 مجوز می‌دهیم ("بدون حقوق محفوظ است") http://creativecommons.org/publicdomain/zero/1.0/ تا آنجایی که طبق قانون ممکن است، اینریا تمام حق نسخه‌برداری و یا مربوط به آن را لغو کرده است. حقوق همسایگی OSCAR این اثر از: فرانسه منتشر شده است.

    اگر فکر می کنید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا بازتولید شود، لطفاً:

    • با اطلاعات تماس دقیق مانند آدرس، شماره تلفن یا آدرس ایمیلی که می توان با شما تماس گرفت، به وضوح خود را شناسایی کنید.
    • اثر دارای حق نسخه برداری که ادعا می شود نقض شده است را به وضوح شناسایی کنید.
    • به روشنی مطالبی را که ادعا می شود نقض و اطلاعات کافی است ، مشخص کنید تا به ما اجازه دهد تا مواد را پیدا کنیم.

    ما با از بین بردن منابع آسیب دیده از انتشار بعدی Corpus ، درخواست های قانونی را رعایت خواهیم کرد.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 360
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_bar

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_bar')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده ها تحت این طرح صدور مجوز منتشر می شوند ، ما هیچ یک از متنی را که این داده ها از آن استخراج شده است ، نداریم. ما بسته بندی واقعی این داده ها را تحت مجوز Creative Commons CC0 ("هیچ حقوقی محفوظ") مجوز می دهیم . حقوق همسایه اسکار این اثر از: فرانسه منتشر شده است.

    اگر در نظر بگیرید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا تکثیر شود ، لطفا:

    • به طور واضح خود را با داده های تماس دقیق مانند آدرس ، شماره تلفن یا آدرس ایمیل که در آن می توانید با شما تماس بگیرید ، شناسایی کنید.
    • به وضوح کار دارای حق چاپ را که ادعا می شود نقض شده است ، مشخص کنید.
    • به روشنی مطالبی را که ادعا می شود نقض و اطلاعات کافی است ، مشخص کنید تا به ما اجازه دهد تا مواد را پیدا کنیم.

    ما با از بین بردن منابع آسیب دیده از انتشار بعدی Corpus ، درخواست های قانونی را رعایت خواهیم کرد.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 4
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_bh

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_bh')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده ها تحت این طرح صدور مجوز منتشر می شوند ، ما هیچ یک از متنی را که این داده ها از آن استخراج شده است ، نداریم. ما بسته بندی واقعی این داده ها را تحت مجوز Creative Commons CC0 ("هیچ حقوقی محفوظ") مجوز می دهیم . حقوق همسایه اسکار این اثر از: فرانسه منتشر شده است.

    اگر در نظر بگیرید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا تکثیر شود ، لطفا:

    • به طور واضح خود را با داده های تماس دقیق مانند آدرس ، شماره تلفن یا آدرس ایمیل که در آن می توانید با شما تماس بگیرید ، شناسایی کنید.
    • به وضوح کار دارای حق چاپ را که ادعا می شود نقض شده است ، مشخص کنید.
    • به روشنی مطالبی را که ادعا می شود نقض و اطلاعات کافی است ، مشخص کنید تا به ما اجازه دهد تا مواد را پیدا کنیم.

    ما با از بین بردن منابع آسیب دیده از انتشار بعدی Corpus ، درخواست های قانونی را رعایت خواهیم کرد.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 82
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_br

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_br')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده ها تحت این طرح صدور مجوز منتشر می شوند ، ما هیچ یک از متنی را که این داده ها از آن استخراج شده است ، نداریم. ما بسته بندی واقعی این داده ها را تحت مجوز Creative Commons CC0 ("هیچ حقوقی محفوظ") مجوز می دهیم . حقوق همسایه اسکار این اثر از: فرانسه منتشر شده است.

    اگر در نظر بگیرید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا تکثیر شود ، لطفا:

    • به طور واضح خود را با داده های تماس دقیق مانند آدرس ، شماره تلفن یا آدرس ایمیل که در آن می توانید با شما تماس بگیرید ، شناسایی کنید.
    • به وضوح کار دارای حق چاپ را که ادعا می شود نقض شده است ، مشخص کنید.
    • به روشنی مطالبی را که ادعا می شود نقض و اطلاعات کافی است ، مشخص کنید تا به ما اجازه دهد تا مواد را پیدا کنیم.

    ما با از بین بردن منابع آسیب دیده از انتشار بعدی Corpus ، درخواست های قانونی را رعایت خواهیم کرد.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 14724
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplated_cbk

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_cbk')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده ها تحت این طرح صدور مجوز منتشر می شوند ، ما هیچ یک از متنی را که این داده ها از آن استخراج شده است ، نداریم. ما بسته بندی واقعی این داده ها را تحت مجوز Creative Commons CC0 ("هیچ حقوقی محفوظ") مجوز می دهیم . حقوق همسایه اسکار این اثر از: فرانسه منتشر شده است.

    اگر در نظر بگیرید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا تکثیر شود ، لطفا:

    • به طور واضح خود را با داده های تماس دقیق مانند آدرس ، شماره تلفن یا آدرس ایمیل که در آن می توانید با شما تماس بگیرید ، شناسایی کنید.
    • به وضوح کار دارای حق چاپ را که ادعا می شود نقض شده است ، مشخص کنید.
    • به روشنی مطالبی را که ادعا می شود نقض و اطلاعات کافی است ، مشخص کنید تا به ما اجازه دهد تا مواد را پیدا کنیم.

    ما با از بین بردن منابع آسیب دیده از انتشار بعدی Corpus ، درخواست های قانونی را رعایت خواهیم کرد.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 1
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_da

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_da')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده ها تحت این طرح صدور مجوز منتشر می شوند ، ما هیچ یک از متنی را که این داده ها از آن استخراج شده است ، نداریم. ما بسته بندی واقعی این داده ها را تحت مجوز Creative Commons CC0 ("هیچ حقوقی محفوظ") مجوز می دهیم . حقوق همسایه اسکار این اثر از: فرانسه منتشر شده است.

    اگر در نظر بگیرید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا تکثیر شود ، لطفا:

    • به طور واضح خود را با داده های تماس دقیق مانند آدرس ، شماره تلفن یا آدرس ایمیل که در آن می توانید با شما تماس بگیرید ، شناسایی کنید.
    • به وضوح کار دارای حق چاپ را که ادعا می شود نقض شده است ، مشخص کنید.
    • به روشنی مطالبی را که ادعا می شود نقض و اطلاعات کافی است ، مشخص کنید تا به ما اجازه دهد تا مواد را پیدا کنیم.

    ما با از بین بردن منابع آسیب دیده از انتشار بعدی Corpus ، درخواست های قانونی را رعایت خواهیم کرد.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 4771098
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplated_dv

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_dv')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده ها تحت این طرح صدور مجوز منتشر می شوند ، ما هیچ یک از متنی را که این داده ها از آن استخراج شده است ، نداریم. ما بسته بندی واقعی این داده ها را تحت مجوز Creative Commons CC0 ("هیچ حقوقی محفوظ") مجوز می دهیم . حقوق همسایه اسکار این اثر از: فرانسه منتشر شده است.

    اگر در نظر بگیرید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا تکثیر شود ، لطفا:

    • به طور واضح خود را با داده های تماس دقیق مانند آدرس ، شماره تلفن یا آدرس ایمیل که در آن می توانید با شما تماس بگیرید ، شناسایی کنید.
    • به وضوح کار دارای حق چاپ را که ادعا می شود نقض شده است ، مشخص کنید.
    • به روشنی مطالبی را که ادعا می شود نقض و اطلاعات کافی است ، مشخص کنید تا به ما اجازه دهد تا مواد را پیدا کنیم.

    ما با از بین بردن منابع آسیب دیده از انتشار بعدی Corpus ، درخواست های قانونی را رعایت خواهیم کرد.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 17024
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_eo

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_eo')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده ها تحت این طرح صدور مجوز منتشر می شوند ، ما هیچ یک از متنی را که این داده ها از آن استخراج شده است ، نداریم. ما بسته بندی واقعی این داده ها را تحت مجوز Creative Commons CC0 ("هیچ حقوقی محفوظ") مجوز می دهیم . حقوق همسایه اسکار این اثر از: فرانسه منتشر شده است.

    اگر در نظر بگیرید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا تکثیر شود ، لطفا:

    • به طور واضح خود را با داده های تماس دقیق مانند آدرس ، شماره تلفن یا آدرس ایمیل که در آن می توانید با شما تماس بگیرید ، شناسایی کنید.
    • به وضوح کار دارای حق چاپ را که ادعا می شود نقض شده است ، مشخص کنید.
    • به روشنی مطالبی را که ادعا می شود نقض و اطلاعات کافی است ، مشخص کنید تا به ما اجازه دهد تا مواد را پیدا کنیم.

    ما با از بین بردن منابع آسیب دیده از انتشار بعدی Corpus ، درخواست های قانونی را رعایت خواهیم کرد.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 84752
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplated_fa

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_fa')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده ها تحت این طرح صدور مجوز منتشر می شوند ، ما هیچ یک از متنی را که این داده ها از آن استخراج شده است ، نداریم. ما بسته بندی واقعی این داده ها را تحت مجوز Creative Commons CC0 ("هیچ حقوقی محفوظ") مجوز می دهیم . حقوق همسایه اسکار این اثر از: فرانسه منتشر شده است.

    اگر در نظر بگیرید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا تکثیر شود ، لطفا:

    • به طور واضح خود را با داده های تماس دقیق مانند آدرس ، شماره تلفن یا آدرس ایمیل که در آن می توانید با شما تماس بگیرید ، شناسایی کنید.
    • به وضوح کار دارای حق چاپ را که ادعا می شود نقض شده است ، مشخص کنید.
    • به روشنی مطالبی را که ادعا می شود نقض و اطلاعات کافی است ، مشخص کنید تا به ما اجازه دهد تا مواد را پیدا کنیم.

    ما با از بین بردن منابع آسیب دیده از انتشار بعدی Corpus ، درخواست های قانونی را رعایت خواهیم کرد.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 8203495
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_fy

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_fy')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده ها تحت این طرح صدور مجوز منتشر می شوند ، ما هیچ یک از متنی را که این داده ها از آن استخراج شده است ، نداریم. ما بسته بندی واقعی این داده ها را تحت مجوز Creative Commons CC0 ("هیچ حقوقی محفوظ") مجوز می دهیم . حقوق همسایه اسکار این اثر از: فرانسه منتشر شده است.

    اگر در نظر بگیرید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا تکثیر شود ، لطفا:

    • به طور واضح خود را با داده های تماس دقیق مانند آدرس ، شماره تلفن یا آدرس ایمیل که در آن می توانید با شما تماس بگیرید ، شناسایی کنید.
    • به وضوح کار دارای حق چاپ را که ادعا می شود نقض شده است ، مشخص کنید.
    • به روشنی مطالبی را که ادعا می شود نقض و اطلاعات کافی است ، مشخص کنید تا به ما اجازه دهد تا مواد را پیدا کنیم.

    ما با از بین بردن منابع آسیب دیده از انتشار بعدی Corpus ، درخواست های قانونی را رعایت خواهیم کرد.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 20661
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_gn

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_gn')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده ها تحت این طرح صدور مجوز منتشر می شوند ، ما هیچ یک از متنی را که این داده ها از آن استخراج شده است ، نداریم. ما بسته بندی واقعی این داده ها را تحت مجوز Creative Commons CC0 ("هیچ حقوقی محفوظ") مجوز می دهیم . حقوق همسایه اسکار این اثر از: فرانسه منتشر شده است.

    اگر در نظر بگیرید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا تکثیر شود ، لطفا:

    • به طور واضح خود را با داده های تماس دقیق مانند آدرس ، شماره تلفن یا آدرس ایمیل که در آن می توانید با شما تماس بگیرید ، شناسایی کنید.
    • به وضوح کار دارای حق چاپ را که ادعا می شود نقض شده است ، مشخص کنید.
    • به روشنی مطالبی را که ادعا می شود نقض و اطلاعات کافی است ، مشخص کنید تا به ما اجازه دهد تا مواد را پیدا کنیم.

    ما با از بین بردن منابع آسیب دیده از انتشار بعدی Corpus ، درخواست های قانونی را رعایت خواهیم کرد.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 68
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_cs

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_cs')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده ها تحت این طرح صدور مجوز منتشر می شوند ، ما هیچ یک از متنی را که این داده ها از آن استخراج شده است ، نداریم. ما بسته بندی واقعی این داده ها را تحت مجوز Creative Commons CC0 ("هیچ حقوقی محفوظ") مجوز می دهیم . حقوق همسایه اسکار این اثر از: فرانسه منتشر شده است.

    اگر در نظر بگیرید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا تکثیر شود ، لطفا:

    • به طور واضح خود را با داده های تماس دقیق مانند آدرس ، شماره تلفن یا آدرس ایمیل که در آن می توانید با شما تماس بگیرید ، شناسایی کنید.
    • به وضوح کار دارای حق چاپ را که ادعا می شود نقض شده است ، مشخص کنید.
    • به روشنی مطالبی را که ادعا می شود نقض و اطلاعات کافی است ، مشخص کنید تا به ما اجازه دهد تا مواد را پیدا کنیم.

    ما با از بین بردن منابع آسیب دیده از انتشار بعدی Corpus ، درخواست های قانونی را رعایت خواهیم کرد.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 12308039
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_hi

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_hi')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده ها تحت این طرح صدور مجوز منتشر می شوند ، ما هیچ یک از متنی را که این داده ها از آن استخراج شده است ، نداریم. ما بسته بندی واقعی این داده ها را تحت مجوز Creative Commons CC0 ("هیچ حقوقی محفوظ") مجوز می دهیم . حقوق همسایه اسکار این اثر از: فرانسه منتشر شده است.

    اگر در نظر بگیرید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا تکثیر شود ، لطفا:

    • به طور واضح خود را با داده های تماس دقیق مانند آدرس ، شماره تلفن یا آدرس ایمیل که در آن می توانید با شما تماس بگیرید ، شناسایی کنید.
    • به وضوح کار دارای حق چاپ را که ادعا می شود نقض شده است ، مشخص کنید.
    • به روشنی مطالبی را که ادعا می شود نقض و اطلاعات کافی است ، مشخص کنید تا به ما اجازه دهد تا مواد را پیدا کنیم.

    ما با از بین بردن منابع آسیب دیده از انتشار بعدی Corpus ، درخواست های قانونی را رعایت خواهیم کرد.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 1909387
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplated_hu

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_hu')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده ها تحت این طرح صدور مجوز منتشر می شوند ، ما هیچ یک از متنی را که این داده ها از آن استخراج شده است ، نداریم. ما بسته بندی واقعی این داده ها را تحت مجوز Creative Commons CC0 ("هیچ حقوقی محفوظ") مجوز می دهیم . حقوق همسایه اسکار این اثر از: فرانسه منتشر شده است.

    اگر در نظر بگیرید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا تکثیر شود ، لطفا:

    • به طور واضح خود را با داده های تماس دقیق مانند آدرس ، شماره تلفن یا آدرس ایمیل که در آن می توانید با شما تماس بگیرید ، شناسایی کنید.
    • به وضوح کار دارای حق چاپ را که ادعا می شود نقض شده است ، مشخص کنید.
    • به روشنی مطالبی را که ادعا می شود نقض و اطلاعات کافی است ، مشخص کنید تا به ما اجازه دهد تا مواد را پیدا کنیم.

    ما با از بین بردن منابع آسیب دیده از انتشار بعدی Corpus ، درخواست های قانونی را رعایت خواهیم کرد.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 6582908
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_ie

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ie')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده ها تحت این طرح صدور مجوز منتشر می شوند ، ما هیچ یک از متنی را که این داده ها از آن استخراج شده است ، نداریم. ما بسته بندی واقعی این داده ها را تحت مجوز Creative Commons CC0 ("هیچ حقوقی محفوظ") مجوز می دهیم . حقوق همسایه اسکار این اثر از: فرانسه منتشر شده است.

    اگر در نظر بگیرید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا تکثیر شود ، لطفا:

    • به طور واضح خود را با داده های تماس دقیق مانند آدرس ، شماره تلفن یا آدرس ایمیل که در آن می توانید با شما تماس بگیرید ، شناسایی کنید.
    • به وضوح کار دارای حق چاپ را که ادعا می شود نقض شده است ، مشخص کنید.
    • به روشنی مطالبی را که ادعا می شود نقض و اطلاعات کافی است ، مشخص کنید تا به ما اجازه دهد تا مواد را پیدا کنیم.

    ما با از بین بردن منابع آسیب دیده از انتشار بعدی Corpus ، درخواست های قانونی را رعایت خواهیم کرد.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 11
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_fr

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_fr')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده ها تحت این طرح صدور مجوز منتشر می شوند ، ما هیچ یک از متنی را که این داده ها از آن استخراج شده است ، نداریم. ما بسته بندی واقعی این داده ها را تحت مجوز Creative Commons CC0 ("هیچ حقوقی محفوظ") مجوز می دهیم . حقوق همسایه اسکار این اثر از: فرانسه منتشر شده است.

    اگر در نظر بگیرید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا تکثیر شود ، لطفا:

    • به طور واضح خود را با داده های تماس دقیق مانند آدرس ، شماره تلفن یا آدرس ایمیل که در آن می توانید با شما تماس بگیرید ، شناسایی کنید.
    • به وضوح کار دارای حق چاپ را که ادعا می شود نقض شده است ، مشخص کنید.
    • به روشنی مطالبی را که ادعا می شود نقض و اطلاعات کافی است ، مشخص کنید تا به ما اجازه دهد تا مواد را پیدا کنیم.

    ما با از بین بردن منابع آسیب دیده از انتشار بعدی Corpus ، درخواست های قانونی را رعایت خواهیم کرد.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 59448891
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_gd

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_gd')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده ها تحت این طرح صدور مجوز منتشر می شوند ، ما هیچ یک از متنی را که این داده ها از آن استخراج شده است ، نداریم. ما بسته بندی واقعی این داده ها را تحت مجوز Creative Commons CC0 ("هیچ حقوقی محفوظ") مجوز می دهیم . حقوق همسایه اسکار این اثر از: فرانسه منتشر شده است.

    اگر در نظر بگیرید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا تکثیر شود ، لطفا:

    • به طور واضح خود را با داده های تماس دقیق مانند آدرس ، شماره تلفن یا آدرس ایمیل که در آن می توانید با شما تماس بگیرید ، شناسایی کنید.
    • به وضوح کار دارای حق چاپ را که ادعا می شود نقض شده است ، مشخص کنید.
    • به روشنی مطالبی را که ادعا می شود نقض و اطلاعات کافی است ، مشخص کنید تا به ما اجازه دهد تا مواد را پیدا کنیم.

    ما با از بین بردن منابع آسیب دیده از انتشار بعدی Corpus ، درخواست های قانونی را رعایت خواهیم کرد.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 3883
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_gu

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_gu')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده ها تحت این طرح صدور مجوز منتشر می شوند ، ما هیچ یک از متنی را که این داده ها از آن استخراج شده است ، نداریم. ما بسته بندی واقعی این داده ها را تحت مجوز Creative Commons CC0 ("هیچ حقوقی محفوظ") مجوز می دهیم . حقوق همسایه اسکار این اثر از: فرانسه منتشر شده است.

    اگر در نظر بگیرید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا تکثیر شود ، لطفا:

    • به طور واضح خود را با داده های تماس دقیق مانند آدرس ، شماره تلفن یا آدرس ایمیل که در آن می توانید با شما تماس بگیرید ، شناسایی کنید.
    • به وضوح کار دارای حق چاپ را که ادعا می شود نقض شده است ، مشخص کنید.
    • به روشنی مطالبی را که ادعا می شود نقض و اطلاعات کافی است ، مشخص کنید تا به ما اجازه دهد تا مواد را پیدا کنیم.

    ما با از بین بردن منابع آسیب دیده از انتشار بعدی Corpus ، درخواست های قانونی را رعایت خواهیم کرد.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 169834
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplated_hsb

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_hsb')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده ها تحت این طرح صدور مجوز منتشر می شوند ، ما هیچ یک از متنی را که این داده ها از آن استخراج شده است ، نداریم. ما بسته بندی واقعی این داده ها را تحت مجوز Creative Commons CC0 ("هیچ حقوقی محفوظ") مجوز می دهیم . حقوق همسایه اسکار این اثر از: فرانسه منتشر شده است.

    اگر در نظر بگیرید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا تکثیر شود ، لطفا:

    • به طور واضح خود را با داده های تماس دقیق مانند آدرس ، شماره تلفن یا آدرس ایمیل که در آن می توانید با شما تماس بگیرید ، شناسایی کنید.
    • به وضوح کار دارای حق چاپ را که ادعا می شود نقض شده است ، مشخص کنید.
    • به روشنی مطالبی را که ادعا می شود نقض و اطلاعات کافی است ، مشخص کنید تا به ما اجازه دهد تا مواد را پیدا کنیم.

    ما با از بین بردن منابع آسیب دیده از انتشار بعدی Corpus ، درخواست های قانونی را رعایت خواهیم کرد.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 3084
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_ia

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ia')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده ها تحت این طرح صدور مجوز منتشر می شوند ، ما هیچ یک از متنی را که این داده ها از آن استخراج شده است ، نداریم. ما بسته بندی واقعی این داده ها را تحت مجوز Creative Commons CC0 ("هیچ حقوقی محفوظ") مجوز می دهیم . حقوق همسایه اسکار این اثر از: فرانسه منتشر شده است.

    اگر در نظر بگیرید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا تکثیر شود ، لطفا:

    • به طور واضح خود را با داده های تماس دقیق مانند آدرس ، شماره تلفن یا آدرس ایمیل که در آن می توانید با شما تماس بگیرید ، شناسایی کنید.
    • به وضوح کار دارای حق چاپ را که ادعا می شود نقض شده است ، مشخص کنید.
    • به روشنی مطالبی را که ادعا می شود نقض و اطلاعات کافی است ، مشخص کنید تا به ما اجازه دهد تا مواد را پیدا کنیم.

    ما با از بین بردن منابع آسیب دیده از انتشار بعدی Corpus ، درخواست های قانونی را رعایت خواهیم کرد.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 529
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_io

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_io')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده ها تحت این طرح صدور مجوز منتشر می شوند ، ما هیچ یک از متنی را که این داده ها از آن استخراج شده است ، نداریم. ما بسته بندی واقعی این داده ها را تحت مجوز Creative Commons CC0 ("هیچ حقوقی محفوظ") مجوز می دهیم . حقوق همسایه اسکار این اثر از: فرانسه منتشر شده است.

    اگر در نظر بگیرید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا تکثیر شود ، لطفا:

    • به طور واضح خود را با داده های تماس دقیق مانند آدرس ، شماره تلفن یا آدرس ایمیل که در آن می توانید با شما تماس بگیرید ، شناسایی کنید.
    • به وضوح کار دارای حق چاپ را که ادعا می شود نقض شده است ، مشخص کنید.
    • به روشنی مطالبی را که ادعا می شود نقض و اطلاعات کافی است ، مشخص کنید تا به ما اجازه دهد تا مواد را پیدا کنیم.

    ما با از بین بردن منابع آسیب دیده از انتشار بعدی Corpus ، درخواست های قانونی را رعایت خواهیم کرد.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 617
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplated_jbo

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_jbo')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده ها تحت این طرح صدور مجوز منتشر می شوند ، ما هیچ یک از متنی را که این داده ها از آن استخراج شده است ، نداریم. ما بسته بندی واقعی این داده ها را تحت مجوز Creative Commons CC0 ("هیچ حقوقی محفوظ") مجوز می دهیم . حقوق همسایه اسکار این اثر از: فرانسه منتشر شده است.

    اگر در نظر بگیرید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا تکثیر شود ، لطفا:

    • به طور واضح خود را با داده های تماس دقیق مانند آدرس ، شماره تلفن یا آدرس ایمیل که در آن می توانید با شما تماس بگیرید ، شناسایی کنید.
    • به وضوح کار دارای حق چاپ را که ادعا می شود نقض شده است ، مشخص کنید.
    • به روشنی مطالبی را که ادعا می شود نقض و اطلاعات کافی است ، مشخص کنید تا به ما اجازه دهد تا مواد را پیدا کنیم.

    ما با از بین بردن منابع آسیب دیده از انتشار بعدی Corpus ، درخواست های قانونی را رعایت خواهیم کرد.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 617
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_km

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_km')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده ها تحت این طرح صدور مجوز منتشر می شوند ، ما هیچ یک از متنی را که این داده ها از آن استخراج شده است ، نداریم. ما بسته بندی واقعی این داده ها را تحت مجوز Creative Commons CC0 ("هیچ حقوقی محفوظ") مجوز می دهیم . حقوق همسایه اسکار این اثر از: فرانسه منتشر شده است.

    اگر در نظر بگیرید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا تکثیر شود ، لطفا:

    • به طور واضح خود را با داده های تماس دقیق مانند آدرس ، شماره تلفن یا آدرس ایمیل که در آن می توانید با شما تماس بگیرید ، شناسایی کنید.
    • به وضوح کار دارای حق چاپ را که ادعا می شود نقض شده است ، مشخص کنید.
    • به روشنی مطالبی را که ادعا می شود نقض و اطلاعات کافی است ، مشخص کنید تا به ما اجازه دهد تا مواد را پیدا کنیم.

    ما با از بین بردن منابع آسیب دیده از انتشار بعدی Corpus ، درخواست های قانونی را رعایت خواهیم کرد.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 108346
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_ku

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ku')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده ها تحت این طرح صدور مجوز منتشر می شوند ، ما هیچ یک از متنی را که این داده ها از آن استخراج شده است ، نداریم. ما بسته بندی واقعی این داده ها را تحت مجوز Creative Commons CC0 ("هیچ حقوقی محفوظ") مجوز می دهیم . حقوق همسایه اسکار این اثر از: فرانسه منتشر شده است.

    اگر در نظر بگیرید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا تکثیر شود ، لطفا:

    • به طور واضح خود را با داده های تماس دقیق مانند آدرس ، شماره تلفن یا آدرس ایمیل که در آن می توانید با شما تماس بگیرید ، شناسایی کنید.
    • به وضوح کار دارای حق چاپ را که ادعا می شود نقض شده است ، مشخص کنید.
    • به روشنی مطالبی را که ادعا می شود نقض و اطلاعات کافی است ، مشخص کنید تا به ما اجازه دهد تا مواد را پیدا کنیم.

    ما با از بین بردن منابع آسیب دیده از انتشار بعدی Corpus ، درخواست های قانونی را رعایت خواهیم کرد.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 29054
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplated_la

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_la')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده ها تحت این طرح صدور مجوز منتشر می شوند ، ما هیچ یک از متنی را که این داده ها از آن استخراج شده است ، نداریم. ما بسته بندی واقعی این داده ها را تحت مجوز Creative Commons CC0 ("هیچ حقوقی محفوظ") مجوز می دهیم . حقوق همسایه اسکار این اثر از: فرانسه منتشر شده است.

    اگر در نظر بگیرید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا تکثیر شود ، لطفا:

    • به طور واضح خود را با داده های تماس دقیق مانند آدرس ، شماره تلفن یا آدرس ایمیل که در آن می توانید با شما تماس بگیرید ، شناسایی کنید.
    • به وضوح کار دارای حق چاپ را که ادعا می شود نقض شده است ، مشخص کنید.
    • به روشنی مطالبی را که ادعا می شود نقض و اطلاعات کافی است ، مشخص کنید تا به ما اجازه دهد تا مواد را پیدا کنیم.

    ما با از بین بردن منابع آسیب دیده از انتشار بعدی Corpus ، درخواست های قانونی را رعایت خواهیم کرد.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 18808
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplated_lmo

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_lmo')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده ها تحت این طرح صدور مجوز منتشر می شوند ، ما هیچ یک از متنی را که این داده ها از آن استخراج شده است ، نداریم. ما بسته بندی واقعی این داده ها را تحت مجوز Creative Commons CC0 ("هیچ حقوقی محفوظ") مجوز می دهیم . حقوق همسایه اسکار این اثر از: فرانسه منتشر شده است.

    اگر در نظر بگیرید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا تکثیر شود ، لطفا:

    • به طور واضح خود را با داده های تماس دقیق مانند آدرس ، شماره تلفن یا آدرس ایمیل که در آن می توانید با شما تماس بگیرید ، شناسایی کنید.
    • به وضوح کار دارای حق چاپ را که ادعا می شود نقض شده است ، مشخص کنید.
    • به روشنی مطالبی را که ادعا می شود نقض و اطلاعات کافی است ، مشخص کنید تا به ما اجازه دهد تا مواد را پیدا کنیم.

    ما با از بین بردن منابع آسیب دیده از انتشار بعدی Corpus ، درخواست های قانونی را رعایت خواهیم کرد.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 1374
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_lv

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_lv')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده ها تحت این طرح صدور مجوز منتشر می شوند ، ما هیچ یک از متنی را که این داده ها از آن استخراج شده است ، نداریم. ما بسته بندی واقعی این داده ها را تحت مجوز Creative Commons CC0 ("هیچ حقوقی محفوظ") مجوز می دهیم . حقوق همسایه اسکار این اثر از: فرانسه منتشر شده است.

    اگر در نظر بگیرید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا تکثیر شود ، لطفا:

    • به طور واضح خود را با داده های تماس دقیق مانند آدرس ، شماره تلفن یا آدرس ایمیل که در آن می توانید با شما تماس بگیرید ، شناسایی کنید.
    • به وضوح کار دارای حق چاپ را که ادعا می شود نقض شده است ، مشخص کنید.
    • به روشنی مطالبی را که ادعا می شود نقض و اطلاعات کافی است ، مشخص کنید تا به ما اجازه دهد تا مواد را پیدا کنیم.

    ما با از بین بردن منابع آسیب دیده از انتشار بعدی Corpus ، درخواست های قانونی را رعایت خواهیم کرد.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 843195
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_min

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_min')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده ها تحت این طرح صدور مجوز منتشر می شوند ، ما هیچ یک از متنی را که این داده ها از آن استخراج شده است ، نداریم. ما بسته بندی واقعی این داده ها را تحت مجوز Creative Commons CC0 ("هیچ حقوقی محفوظ") مجوز می دهیم . حقوق همسایه اسکار این اثر از: فرانسه منتشر شده است.

    اگر در نظر بگیرید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا تکثیر شود ، لطفا:

    • به طور واضح خود را با داده های تماس دقیق مانند آدرس ، شماره تلفن یا آدرس ایمیل که در آن می توانید با شما تماس بگیرید ، شناسایی کنید.
    • به وضوح کار دارای حق چاپ را که ادعا می شود نقض شده است ، مشخص کنید.
    • به روشنی مطالبی را که ادعا می شود نقض و اطلاعات کافی است ، مشخص کنید تا به ما اجازه دهد تا مواد را پیدا کنیم.

    ما با از بین بردن منابع آسیب دیده از انتشار بعدی Corpus ، درخواست های قانونی را رعایت خواهیم کرد.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 166
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_mr

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_mr')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده ها تحت این طرح صدور مجوز منتشر می شوند ، ما هیچ یک از متنی را که این داده ها از آن استخراج شده است ، نداریم. ما بسته بندی واقعی این داده ها را تحت مجوز Creative Commons CC0 ("هیچ حقوقی محفوظ") مجوز می دهیم . حقوق همسایه اسکار این اثر از: فرانسه منتشر شده است.

    اگر در نظر بگیرید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا تکثیر شود ، لطفا:

    • به طور واضح خود را با داده های تماس دقیق مانند آدرس ، شماره تلفن یا آدرس ایمیل که در آن می توانید با شما تماس بگیرید ، شناسایی کنید.
    • به وضوح کار دارای حق چاپ را که ادعا می شود نقض شده است ، مشخص کنید.
    • به روشنی مطالبی را که ادعا می شود نقض و اطلاعات کافی است ، مشخص کنید تا به ما اجازه دهد تا مواد را پیدا کنیم.

    ما با از بین بردن منابع آسیب دیده از انتشار بعدی Corpus ، درخواست های قانونی را رعایت خواهیم کرد.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 212556
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplated_mwl

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_mwl')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده ها تحت این طرح صدور مجوز منتشر می شوند ، ما هیچ یک از متنی را که این داده ها از آن استخراج شده است ، نداریم. ما بسته بندی واقعی این داده ها را تحت مجوز Creative Commons CC0 ("هیچ حقوقی محفوظ") مجوز می دهیم . حقوق همسایه اسکار این اثر از: فرانسه منتشر شده است.

    اگر در نظر بگیرید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا تکثیر شود ، لطفا:

    • به طور واضح خود را با داده های تماس دقیق مانند آدرس ، شماره تلفن یا آدرس ایمیل که در آن می توانید با شما تماس بگیرید ، شناسایی کنید.
    • به وضوح کار دارای حق چاپ را که ادعا می شود نقض شده است ، مشخص کنید.
    • به روشنی مطالبی را که ادعا می شود نقض و اطلاعات کافی است ، مشخص کنید تا به ما اجازه دهد تا مواد را پیدا کنیم.

    ما با از بین بردن منابع آسیب دیده از انتشار بعدی Corpus ، درخواست های قانونی را رعایت خواهیم کرد.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 7
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplated_nah

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_nah')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • مجوز : این داده ها تحت این طرح صدور مجوز منتشر می شوند ، ما هیچ یک از متنی را که این داده ها از آن استخراج شده است ، نداریم. ما بسته بندی واقعی این داده ها را تحت مجوز Creative Commons CC0 ("هیچ حقوقی محفوظ") مجوز می دهیم . حقوق همسایه اسکار این اثر از: فرانسه منتشر شده است.

    اگر در نظر بگیرید که داده های ما حاوی مطالبی است که متعلق به شما است و بنابراین نباید در اینجا تکثیر شود ، لطفا:

    • Clearly identify yourself, with detailed contact data such as an address, telephone number or email address at which you can be contacted.
    • Clearly identify the copyrighted work claimed to be infringed.
    • Clearly identify the material that is claimed to be infringing and information reasonably sufficient to allow us to locate the material.

    We will comply to legitimate requests by removing the affected sources from the next release of the corpus.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 58
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_new

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_new')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

    Should you consider that our data contains material that is owned by you and should therefore not be reproduced here, please:

    • Clearly identify yourself, with detailed contact data such as an address, telephone number or email address at which you can be contacted.
    • Clearly identify the copyrighted work claimed to be infringed.
    • Clearly identify the material that is claimed to be infringing and information reasonably sufficient to allow us to locate the material.

    We will comply to legitimate requests by removing the affected sources from the next release of the corpus.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 2126
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_oc

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_oc')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

    Should you consider that our data contains material that is owned by you and should therefore not be reproduced here, please:

    • Clearly identify yourself, with detailed contact data such as an address, telephone number or email address at which you can be contacted.
    • Clearly identify the copyrighted work claimed to be infringed.
    • Clearly identify the material that is claimed to be infringing and information reasonably sufficient to allow us to locate the material.

    We will comply to legitimate requests by removing the affected sources from the next release of the corpus.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 6485
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_pam

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_pam')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

    Should you consider that our data contains material that is owned by you and should therefore not be reproduced here, please:

    • Clearly identify yourself, with detailed contact data such as an address, telephone number or email address at which you can be contacted.
    • Clearly identify the copyrighted work claimed to be infringed.
    • Clearly identify the material that is claimed to be infringing and information reasonably sufficient to allow us to locate the material.

    We will comply to legitimate requests by removing the affected sources from the next release of the corpus.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 1
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_ps

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ps')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

    Should you consider that our data contains material that is owned by you and should therefore not be reproduced here, please:

    • Clearly identify yourself, with detailed contact data such as an address, telephone number or email address at which you can be contacted.
    • Clearly identify the copyrighted work claimed to be infringed.
    • Clearly identify the material that is claimed to be infringing and information reasonably sufficient to allow us to locate the material.

    We will comply to legitimate requests by removing the affected sources from the next release of the corpus.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 67921
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_it

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_it')
  • توضیحات :
The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.
  • License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

    Should you consider that our data contains material that is owned by you and should therefore not be reproduced here, please:

    • Clearly identify yourself, with detailed contact data such as an address, telephone number or email address at which you can be contacted.
    • Clearly identify the copyrighted work claimed to be infringed.
    • Clearly identify the material that is claimed to be infringing and information reasonably sufficient to allow us to locate the material.

    We will comply to legitimate requests by removing the affected sources from the next release of the corpus.

  • نسخه : 1.0.0

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 28522082
  • ویژگی ها :
{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id":