dépendances_universelles

• Descriptif :

Universal Dependencies (UD) est un cadre pour l'annotation cohérente de la grammaire (parties du discours, caractéristiques morphologiques et dépendances syntaxiques) dans différentes langues humaines. UD est un effort communautaire ouvert avec plus de 300 contributeurs produisant plus de 200 treebanks dans plus de 100 langues. Si vous débutez avec UD, vous devriez commencer par lire la première partie de la courte introduction, puis parcourir les directives d'annotation.

• Page d' accueil : https://universaldependencies.org/

• Code source : tfds.datasets.universal_dependencies.Builder

• Versions :

  • 1.0.0 : Version initiale, qui correspond à Universal Dependencies 2.10.
  • 1.0.1 (par défaut) : noms de configuration mis à jour.

• Structure des fonctionnalités :

FeaturesDict({
    'deprel': Sequence(Text(shape=(), dtype=string)),
    'deps': Sequence(Text(shape=(), dtype=string)),
    'feats': Sequence(Text(shape=(), dtype=string)),
    'head': Sequence(Text(shape=(), dtype=string)),
    'idx': Text(shape=(), dtype=string),
    'lemmas': Sequence(Text(shape=(), dtype=string)),
    'misc': Sequence(Text(shape=(), dtype=string)),
    'text': Text(shape=(), dtype=string),
    'tokens': Sequence(Text(shape=(), dtype=string)),
    'upos': Sequence(ClassLabel(shape=(), dtype=int64, num_classes=18)),
    'xpos': Sequence(Text(shape=(), dtype=string)),
})

• Documentation des fonctionnalités :

• Clés supervisées (Voir as_supervised doc ): None

• Figure ( tfds.show_examples ) : non pris en charge.

• Citation :

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

universal_dependencies/af_afribooms (config par défaut)

• Description de la configuration : UD Afrikaans-AfriBooms est une conversion de l'AfriBooms Dependency Treebank, annoté à l'origine avec un ensemble PoS simplifié et des relations de dépendance selon un sous-ensemble de l'ensemble de balises de Stanford. Le corpus est constitué de documents publics du gouvernement. L'ensemble de données a été proposé dans 'AfriBooms : An Online Treebank for Afrikaans' par Augustinus et al. (2016); https://www.aclweb.org/anthology/L16-1107.pdf

• Taille du téléchargement : 2.95 MiB

• Taille du jeu de données : 4.02 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/akk_pisandub

• Description de la configuration : Un petit ensemble de phrases tirées des inscriptions royales babyloniennes.

• Taille du téléchargement : 99.41 KiB

• Taille du jeu de données : 126.32 KiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/akk_riao

• Description de la configuration : UD_Akkadian-RIAO est une petite banque d'arbres composée de 22 277 mots et 1845 phrases. Cela représente un sous-ensemble intact d'un total de 2211 phrases des premières inscriptions royales néo-assyriennes des Xe et IXe siècles avant notre ère. Ces inscriptions royales ont été extraites d'Oracc (Open Richly Annotated Cuneiform Corpus; http://oracc.museum.upenn.edu/riao/ ), où toutes les inscriptions royales néo-assyriennes sont lemmatisées mot à mot. La langue du corpus est le babylonien standard, avec des assyrianismes occasionnels, tandis que «l'akkadien» est le terme générique désignant à la fois l'assyrien et le babylonien. Le treebank a été annoté manuellement en suivant les directives d'annotation UD.

• Taille du téléchargement : 1.87 MiB

• Taille du jeu de données : 2.79 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/aqz_tudet

• Description de la configuration : UD_Akuntsu-TuDeT est une collection de textes annotés en Akuntsú. Avec UD_Tupinamba-TuDeT et UD_Munduruku-TuDeT, UD_Akuntsu-TuDeT fait partie du projet TuLaR. Les phrases sont annotées par Carolina Aragon et Fabrício Ferraz Gerardi.

• Taille du téléchargement : 67.25 KiB

• Taille du jeu de données : 97.39 KiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/sq_tsa

• Description de la configuration : L'UD Treebank pour l'albanais standard (TSA) est un petit treebank composé de 60 phrases correspondant à 922 jetons. Les données ont été collectées à partir de différentes entrées de Wikipedia. Cette banque d'arbres a été créée principalement manuellement en suivant les directives des dépendances universelles. La lemmatisation a été réalisée à l'aide du lemmatizer https://bitbucket.org/timarkh/uniparser-albanian-grammar/src/master/ développé par l'équipe Albanian National Corpus (Maria Morozova, Alexander Rusakov, Timofey Arkhangelskiy). Le marquage et l'analyse morphologique ont été semi-automatisés via des scripts python et corrigés manuellement, tandis que les relations de dépendance ont été attribuées entièrement manuellement. Nous encourageons toutes les initiatives visant à augmenter la taille et/ou à améliorer la qualité globale du Treebank.

• Taille du téléchargement : 62.00 KiB

• Taille du jeu de données : 93.65 KiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/am_att

• Description de la configuration : UD_Amharic-ATT est un Treebanks annoté manuellement. Il est annoté pour la balise POS, les informations morphologiques et les relations de dépendance. Étant donné que l'amharique est une pro-goutte morphologiquement riche et que les langues ont une caractéristique de doublage clitique, les clitiques ont été segmentés manuellement.

• Taille du téléchargement : 995.32 KiB

• Taille du jeu de données : 1.33 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/grc_perseus

• Description de la configuration : Ce Treebank des dépendances universelles du grec ancien consiste en une conversion automatique d'une sélection de passages du Treebank des dépendances du grec ancien et du latin 2.1

• Taille du téléchargement : 18.02 MiB

• Taille du jeu de données : 24.52 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/grc_proiel

• Description de la configuration : La banque d'arbres PROIEL de la Grèce antique est basée sur les données de la Grèce antique de la banque d'arbres PROIEL, qui est conservée au Département de philosophie, de lettres classiques, d'histoire des arts et des idées de l'Université d'Oslo. La conversion est basée sur la version 20180408 de la banque d'arbres PROIEL disponible sur https://github.com/proiel/proiel-treebank/releases Les annotateurs originaux sont reconnus dans les fichiers qui y sont disponibles. Le code de conversion est disponible dans le Rubygem proiel-cli, https://github.com/proiel/proiel-cli

• Taille du téléchargement : 22.62 MiB

• Taille du jeu de données : 30.92 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/apu_ufpa

• Description de la configuration : La version initiale contient 70 phrases annotées. Il s'agit de la première banque d'arbres dans une langue de la famille Arawak. Les gloses interlinéaires d'origine sont incluses dans la banque d'arbres, et leur conversion en une annotation UD complète est un processus continu. Les valeurs de sent_id (par exemple : FernandaM2017:Texto-6-19) sont représentatives du collecteur, de l'année de publication, de l'identifiant du texte et du numéro de la phrase dans l'ordre à partir du texte original.

• Taille du téléchargement : 95.51 KiB

• Taille du jeu de données : 98.49 KiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/hbo_ptnk

• Description de la configuration : UD Ancient Hebrew PTNK contient des portions de la Biblia Hebraic Stuttgartensia avec des annotations morphologiques d'ETCBC.

• Taille du téléchargement : 3.11 MiB

• Taille du jeu de données : 4.28 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/ar_nyuad

• Description de la configuration : Le treebank se compose de 19 738 phrases (738 889 jetons), et son domaine est principalement newswire. L'annotation est sous licence selon les termes de CC BY-SA 4.0, et le PATB original peut être obtenu sur le site officiel du LDC.

• Taille du téléchargement : 55.87 MiB

• Taille du jeu de données : 78.33 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/ar_padt

• Description de la configuration : Le treebank Arabic-PADT UD est basé sur le Prague Arabic Dependency Treebank (PADT), créé à l'Université Charles de Prague.

• Taille du téléchargement : 48.84 MiB

• Taille du jeu de données : 64.42 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/ar_pud

• Description de la configuration : Il s'agit d'une partie des arborescences de dépendances universelles parallèles (PUD) créées pour la tâche partagée CoNLL 2017 sur l'analyse multilingue du texte brut aux dépendances universelles.

• Taille du téléchargement : 1.98 MiB

• Taille du jeu de données : 2.34 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/aii_as

• Description de la configuration : Le Uppsala Assyrian Treebank est un petit treebank pour l'assyrien standard moderne. Le corpus est collecté et annoté manuellement. Les données ont été recueillies au hasard à partir de différents manuels et d'une courte traduction du Marchand de Venise.

• Taille du téléchargement : 31.99 KiB

• Taille du jeu de données : 48.85 KiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/bm_crb

• Description de la configuration : Le treebank UD Bambara est une section du Corpus Référence du Bambara annotée nativement avec les Dépendances Universelles.

• Taille du téléchargement : 873.37 KiB

• Taille du jeu de données : 1.25 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/eu_bdt

• Description de la configuration : L'arbre basque UD est basé sur une conversion automatique d'une partie de l'arbre basque des dépendances (BDT), créé à l'Université du Pays basque par le groupe de recherche IXA NLP. Le treebank se compose de 8.993 phrases (121.443 jetons) et couvre principalement des textes littéraires et journalistiques.

• Taille du téléchargement : 7.83 MiB

• Taille du jeu de données : 11.74 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/bej_nsc

• Description de la configuration : Un corpus de dépendances universelles pour Beja, branche nord-cushitique du phylum afro-asiatique principalement parlée au Soudan, en Égypte et en Érythrée.

• Taille du téléchargement : 136.52 KiB

• Taille du jeu de données : 168.15 KiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/be_hse

• Description de la configuration : La banque d'arbres UD biélorusse est basée sur un échantillon des textes d'actualité inclus dans le sous-corpus parallèle biélorusse-russe du Corpus national russe, recherche en ligne disponible à : http://ruscorpora.ru/search-para-be.html

• Taille du téléchargement : 30.04 MiB

• Taille du jeu de données : 39.88 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/bn_bru

• Description de la configuration : La banque d'arbres BRU Bengali a été créée à l'Université Begum Rokeya, Rangpur, par les membres de Semantics Lab.

• Taille du téléchargement : 38.41 KiB

• Taille du jeu de données : 51.42 KiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/bho_bhtb

• Description de la configuration : Le Bhojpuri UD Treebank (BHTB) v2.6 se compose de 6 664 jetons (357 phrases). Ce Treebank fait partie du projet Universal Dependency Treebank. Initialement, il a été initié par moi (Atul) à l'Université Jawaharlal Nehru, New Delhi pendant le travail de recherche doctorale. Les données BHTB contiennent des annotations syntaxiques selon le schéma dépendance-constitution, ainsi que des balises morphologiques et des lemmes. Dans ces données, XPOS est annoté selon le jeu de balises Part Of Speech (POS) du Bureau of Indian Standards (BIS).

• Taille du téléchargement : 599.76 KiB

• Taille du jeu de données : 817.23 KiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/br_keb

• Description de la configuration : UD Breton-KEB est un treebank de breton qui a été annoté manuellement selon les directives des dépendances universelles. Les directives de tokenisation et l'annotation morphologique proviennent d'un analyseur morphologique à états finis du breton publié dans le cadre du projet Apertium.

• Taille du téléchargement : 663.63 KiB

• Taille du jeu de données : 863.36 KiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/bg_btb

• Description de la configuration : UD_Bulgarian-BTB est basé sur la BulTreeBank basée sur HPSG, créée à l'Institut des technologies de l'information et de la communication de l'Académie bulgare des sciences. L'original se compose de 215 000 jetons (plus de 15 000 phrases).

• Taille du téléchargement : 14.22 MiB

• Taille du jeu de données : 20.01 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/bxr_bdt

• Description de la configuration : Le treebank UD Buryat a été annoté manuellement nativement dans UD et contient des phrases de grammaire, ainsi que des nouvelles et de la fiction.

• Taille du téléchargement : 710.23 KiB

• Taille du jeu de données : 1018.12 KiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/yue_hk

• Description de la configuration : Un treebank cantonais (en caractères chinois traditionnels) de sous-titres de films et de procédures législatives de Hong Kong, parallèle au treebank chinois-HK.

• Taille du téléchargement : 693.38 KiB

• Taille du jeu de données : 1.04 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/ca_ancora

• Description de la configuration : données catalanes du corpus AnCora.

• Taille du téléchargement : 48.14 MiB

• Taille du jeu de données : 64.03 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/ceb_gja

• Description de la configuration : UD_Cebuano_GJA est une collection d'exemples de phrases annotées en cebuano prises au hasard à partir de trois sources différentes : des échantillons fournis par la communauté du site Web Tatoeba, un livre de grammaire en cebuano de Bunye & Yap (1971) et la grammaire de référence de Tanangkinsing sur cebuano (2011). Ce projet est actuellement en cours de réalisation.

• Taille du téléchargement : 99.30 KiB

• Taille du jeu de données : 136.74 KiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/zh_cfl

• Description de la configuration : La banque d'arbres Chinese-CFL UD est annotée manuellement par Keying Li avec des révisions manuelles mineures par Herman Leung et John Lee de la City University de Hong Kong, sur la base d'essais écrits par des apprenants du chinois mandarin comme langue étrangère. Les données sont en chinois simplifié.

• Taille du téléchargement : 375.71 KiB

• Taille du jeu de données : 558.45 KiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/zh_gsd

• Description de la configuration : Treebank des dépendances universelles du chinois traditionnel annoté et converti par Google.

• Taille du téléchargement : 6.48 MiB

• Taille du jeu de données : 8.88 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/zh_gsdsimp

• Description de la configuration : jeu de données des dépendances universelles en chinois simplifié converti à partir du jeu de données GSD (traditionnel) avec des corrections manuelles.

• Taille du téléchargement : 6.48 MiB

• Taille du jeu de données : 8.88 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/zh_hk

• Description de la configuration : Un treebank chinois traditionnel des sous-titres de films et des procédures législatives de Hong Kong, parallèle au treebank cantonais-HK.

• Taille du téléchargement : 482.85 KiB

• Taille du jeu de données : 779.66 KiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/zh_pud

• Description de la configuration : Il s'agit d'une partie des arborescences de dépendances universelles parallèles (PUD) créées pour la tâche partagée CoNLL 2017 sur l'analyse multilingue du texte brut aux dépendances universelles.

• Taille du téléchargement : 1.53 MiB

• Taille du jeu de données : 1.95 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/ckt_hse

• Description de la configuration : Ces données sont une annotation manuelle du corpus du corpus annoté multimédia du projet Chuklang, un corpus dialectal de la variante Amguema de Chukchi.

• Taille du téléchargement : 793.16 KiB

• Taille du jeu de données : 828.50 KiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/lzh_kyoto

• Description de la configuration : Banc d'arbres des dépendances universelles du chinois classique annoté et converti par l'Institut de recherche en sciences humaines de l'Université de Kyoto.

• Taille du téléchargement : 26.86 MiB

• Taille du jeu de données : 39.40 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/cop_scriptorium

• Description de la configuration : UD Coptic contient des textes coptes sahidiques annotés manuellement, y compris des textes bibliques, des sermons, des lettres et des hagiographies.

• Taille du téléchargement : 4.73 MiB

• Taille du jeu de données : 6.12 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

universal_dependencies/hr_set

• Description de la config : Le treebank croate UD est basé sur l'extension du corpus SETimes-HR, le corpus hr500k.

• Taille du téléchargement : 14.41 MiB

• Taille du jeu de données : 20.43 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/cs_cac

• Description de la configuration : L'arbre UD_Czech-CAC est basé sur le Czech Academic Corpus 2.0 (CAC ; Český akademický korpus ; ČAK), créé à l'Université Charles de Prague.

• Taille du téléchargement : 53.72 MiB

• Taille du jeu de données : 73.74 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/cs_cltt

• Description de la configuration : Le treebank UD_Czech-CLTT est basé sur le Czech Legal Text Treebank 1.0, créé à l'Université Charles de Prague.

• Taille du téléchargement : 3.57 MiB

• Taille du jeu de données : 4.73 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/cs_fictree

• Description de la configuration : FicTree est une banque d'arbres de fiction tchèque, automatiquement convertie au format UD. Le banc d'arbres a été construit à l'Université Charles de Prague.

• Taille du téléchargement : 16.65 MiB

• Taille du jeu de données : 23.29 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/cs_pdt

• Description de la configuration : Le treebank Czech-PDT UD est basé sur le Prague Dependency Treebank 3.0 (PDT), créé à l'Université Charles de Prague.

• Taille du téléchargement : 164.29 MiB

• Taille du jeu de données : 224.30 MiB

• Mise en cache automatique ( documentation ): Oui (dev, test), Uniquement lorsque shuffle_files=False (train)

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/cs_pud

• Description de la configuration : Il s'agit d'une partie des arborescences de dépendances universelles parallèles (PUD) créées pour la tâche partagée CoNLL 2017 sur l'analyse multilingue du texte brut aux dépendances universelles.

• Taille du téléchargement : 2.14 MiB

• Taille du jeu de données : 2.76 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/da_ddt

• Description de la configuration : Le treebank UD danois est une conversion du treebank danois des dépendances.

• Taille du téléchargement : 6.13 MiB

• Taille du jeu de données : 9.15 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/nl_alpino

• Description de la configuration : Ce corpus se compose d'échantillons de diverses banques d'arbres annotés à l'Université de Groningue à l'aide des outils et des directives d'annotation Alpino.

• Taille du téléchargement : 15.98 MiB

• Taille du jeu de données : 21.03 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/nl_lassysmall

• Description de la configuration : Ce corpus contient des phrases de la section Wikipédia du Lassy Small Treebank. L'annotation de dépendance universelle a été générée automatiquement à partir de l'annotation d'origine dans Lassy.

• Taille du téléchargement : 7.61 MiB

• Taille du jeu de données : 9.86 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/en_esl

• Description de la configuration : UD English-ESL / Treebank of Learner English (TLE) contient des balises POS manuelles et des annotations de dépendance pour 5 124 phrases d'anglais langue seconde (ESL) tirées de l'ensemble de données Cambridge Learner Corpus First Certificate in English (FCE).

• Taille du téléchargement : 3.20 MiB

• Taille du jeu de données : 4.72 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/en_ewt

• Description de la configuration : Un Gold Standard Universal Dependencies Corpus pour l'anglais, construit sur le matériel source du English Web Treebank LDC2012T13 ( https://catalog.ldc.upenn.edu/LDC2012T13 ).

• Taille du téléchargement : 16.37 MiB

• Taille du jeu de données : 23.60 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/en_gum

• Description de la configuration : annotations de syntaxe des dépendances universelles du corpus GUM ( https://corpling.uis.georgetown.edu/gum/ ).

• Taille du téléchargement : 13.81 MiB

• Taille du jeu de données : 18.21 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/en_gumreddit

• Description de la configuration : annotations de syntaxe des dépendances universelles de la partie Reddit du corpus GUM ( https://corpling.uis.georgetown.edu/gum/ )

• Taille du téléchargement : 1.47 MiB

• Taille du jeu de données : 2.06 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/en_lines

• Description de la configuration : UD English_LinES est la moitié anglaise de LinES Parallel Treebank avec l'annotation de dépendance d'origine d'abord automatiquement convertie en dépendances universelles, puis partiellement révisée. Son contenu couvre la littérature, un manuel en ligne et les données d'Europarl.

• Taille du téléchargement : 5.27 MiB

• Taille du jeu de données : 7.54 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

universal_dependencies/en_atis

• Description de la configuration : UD Atis Treebank est une banque d'arbres annotée manuellement composée des phrases du jeu de données Atis (Airline Travel Informations) qui comprend les transcriptions de la parole humaine des personnes demandant des informations de vol sur les systèmes de demande automatisés.

• Taille du téléchargement : 3.06 MiB

• Taille du jeu de données : 4.76 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/en_partut

• Description de la configuration : UD_English-ParTUT est une conversion d'une banque d'arbres parallèle multilingue développée à l'Université de Turin et composée d'une variété de genres de textes, y compris des exposés, des textes juridiques et des articles de Wikipédia, entre autres.

• Taille du téléchargement : 2.59 MiB

• Taille du jeu de données : 3.65 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/en_pronoms

• Description de la configuration : UD English-Pronouns est un ensemble de données créé pour rendre l'identification des pronoms plus précise et avec une distribution plus équilibrée entre les sexes. L'ensemble de données cible initialement les pronoms génitifs indépendants, 'hers', (indépendant) 'his', (singulier) 'theirs', 'mine' et (singulier) 'yours'.

• Taille du téléchargement : 138.08 KiB

• Taille du jeu de données : 186.09 KiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/en_pud

• Description de la configuration : Il s'agit de la partie anglaise des arborescences de dépendances universelles parallèles (PUD) créées pour la tâche partagée CoNLL 2017 sur l'analyse multilingue du texte brut aux dépendances universelles ( http://universaldependencies.org/conll17/ ).

• Taille du téléchargement : 1.28 MiB

• Taille du jeu de données : 1.82 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/myv_jr

• Description de la configuration : UD Erzya est l'annotation originale (CoNLL-U) pour les textes en langue Erzya, elle consiste à l'origine en un échantillon d'un certain nombre d'auteurs de fiction écrivant des originaux en Erzya.

• Taille du téléchargement : 1.88 MiB

• Taille du jeu de données : 2.47 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/et_edt

• Description de la configuration : UD Estonian est une version convertie de l'Estonian Dependency Treebank (EDT), annoté à l'origine dans le schéma d'annotation Constraint Grammar (CG), et composé de genres de fiction, de textes de journaux et de textes scientifiques. La banque d'arbres contient 30 972 arbres, 437 769 jetons.

• Taille du téléchargement : 31.09 MiB

• Taille du jeu de données : 45.98 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/et_ewt

• Description de la configuration : UD EWT treebank se compose de différents genres de nouveaux médias. La banque d'arbres contient 4 493 arbres, 56 399 jetons.

• Taille du téléchargement : 5.35 MiB

• Taille du jeu de données : 8.06 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/fo_farpahc

• Description de la configuration : UD_Icelandic-FarPaHC est une conversion du Faroese Parsed Historical Corpus (FarPaHC) vers le schéma Universal Dependencies. La conversion a été effectuée à l'aide d'UDConverter.

• Taille du téléchargement : 2.09 MiB

• Taille du jeu de données : 2.84 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/fo_oft

• Description de la configuration : Il s'agit d'une banque d'arbres en féroïen basée sur la Wikipédia féroïenne.

• Taille du téléchargement : 783.86 KiB

• Taille du jeu de données : 1.07 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/fi_ftb

• Description de la configuration : FinnTreeBank 1 se compose d'exemples grammaticaux annotés manuellement de VISK. La version UD de FinnTreeBank 1 a été convertie à partir d'un modèle d'annotation natif avec un script, puis révisée manuellement.

• Taille du téléchargement : 12.52 MiB

• Taille du jeu de données : 18.45 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/fi_ood

• Description de la configuration : Finlandais-OOD est un jeu de test externe hors domaine pour le finnois-TDT annoté nativement dans le schéma UD.

• Taille du téléchargement : 1.40 MiB

• Taille du jeu de données : 2.11 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/fi_pud

• Description de la configuration : Il s'agit d'une partie des arborescences de dépendances universelles parallèles (PUD) créées pour la tâche partagée CoNLL 2017 sur l'analyse multilingue du texte brut aux dépendances universelles.

• Taille du téléchargement : 1.34 MiB

• Taille du jeu de données : 1.80 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/fi_tdt

• Description de la configuration : UD_Finnish-TDT est basé sur le Turku Dependency Treebank (TDT), un arbre de dépendances à large couverture du finnois général couvrant de nombreux genres. La conversion en UD a été suivie de vérifications et de corrections manuelles approfondies, et le treebank adhère étroitement aux directives UD.

• Taille du téléchargement : 15.84 MiB

• Taille du jeu de données : 23.17 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/fr_fqb

• Description de la configuration : Le corpus UD_French-FQB est une conversion automatique de la French QuestionBank v1, un corpus entièrement constitué de questions.

• Taille du téléchargement : 1.47 MiB

• Taille du jeu de données : 2.32 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

universal_dependencies/fr_ftb

• Description de la configuration : La version Universal Dependency du French Treebank (Abeillé et al., 2003), ci-après UD_French-FTB, est une arborescence de phrases du journal Le Monde, initialement annotée manuellement avec des informations morphologiques et une structure de phrase, puis convertie en le schéma d'annotation des dépendances universelles.

• Taille du téléchargement : 29.49 MiB

• Taille du jeu de données : 44.93 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/fr_gsd

• Description de la configuration : L' UD_French-GSD a été converti en 2015 à partir de la version content head de l'universal dependency treebank v2.0 ( https://github.com/ryanmcd/uni-dep-tb ). Il est mis à jour depuis 2015 indépendamment de la source précédente.

• Taille du téléchargement : 24.38 MiB

• Taille du jeu de données : 35.77 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

universal_dependencies/fr_partut

• Description de la configuration : UD_French-ParTUT est une conversion d'une banque d'arbres parallèles multilingue développée à l'Université de Turin et composée d'une variété de genres de textes, y compris des exposés, des textes juridiques et des articles de Wikipédia, entre autres.

• Taille du téléchargement : 1.74 MiB

• Taille du jeu de données : 2.44 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

universal_dependencies/fr_rhapsodie

• Description de la configuration : Un corpus de dépendances universelles pour le français parlé.

• Taille du téléchargement : 3.00 MiB

• Taille du jeu de données : 4.10 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

universal_dependencies/fr_parisstories

• Description de la configuration : Paris Stories est un corpus de français oral collecté et retranscrit par des étudiants en Linguistique de la Sorbonne Nouvelle et corrigé par des étudiants du Master pluriel de Linguistique computationnelle (Inalco, Paris Nanterre, Sorbonne Nouvelle) entre 2017 et 2021. Il contient des monologues et dialogues d'intervenants vivant en région parisienne.

• Taille du téléchargement : 1.97 MiB

• Taille du jeu de données : 2.70 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

universal_dependencies/fr_pud

• Description de la configuration : Il s'agit d'une partie des arborescences de dépendances universelles parallèles (PUD) créées pour la tâche partagée CoNLL 2017 sur l'analyse multilingue du texte brut aux dépendances universelles.

• Taille du téléchargement : 1.71 MiB

• Taille du jeu de données : 2.24 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

universal_dependencies/fr_sequoia

• Description de la configuration : UD_French-Sequoia est une conversion automatique du corpus Sequoia Treebank French Sequoia corpus.

• Taille du téléchargement : 4.21 MiB

• Taille du jeu de données : 6.18 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/gl_ctg

• Description de la configuration : Le treebank galicien UD est basé sur l'analyse automatique du corpus technique galicien ( http://sli.uvigo.gal/CTG ) créé à l'Université de Vigo par le groupe de recherche TALG NLP.

• Taille du téléchargement : 7.85 MiB

• Taille du jeu de données : 10.81 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/gl_treegal

• Description de la configuration : Le Galicien-TreeGal est une banque d'arbres pour le galicien développée au LyS Group (Universidade da Coruña).

• Taille du téléchargement : 1.66 MiB

• Taille du jeu de données : 2.35 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/de_gsd

• Description de la configuration : L'UD allemand est converti à partir de la version principale du contenu de l'universal dependency treebank v2.0 (legacy).

• Taille du téléchargement : 20.69 MiB

• Taille du jeu de données : 29.60 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/de_hdt

• Description de la configuration : UD German-HDT est une conversion du Hamburg Dependency Treebank, créé à l'Université de Hambourg par l'annotation manuelle en conjonction avec une norme d'annotation morphologique et syntaxique des phrases ainsi qu'un analyseur basé sur des contraintes.

• Taille du téléchargement : 242.97 MiB

• Taille du jeu de données : 347.93 MiB

• Mise en cache automatique ( documentation ): Non

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/de_lit

• Description de la configuration : Cet arbre a pour but de rassembler des textes de l'histoire littéraire allemande. Actuellement, il héberge des Fragments du début du romantisme, c'est-à-dire des textes de type aphorisme traitant principalement de questions philosophiques concernant l'art, la beauté et des sujets connexes.

• Taille du téléchargement : 1.97 MiB

• Taille du jeu de données : 2.49 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/de_pud

• Description de la configuration : Il s'agit d'une partie des arborescences de dépendances universelles parallèles (PUD) créées pour la tâche partagée CoNLL 2017 sur l'analyse multilingue du texte brut aux dépendances universelles.

• Taille du téléchargement : 1.65 MiB

• Taille du jeu de données : 2.20 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/got_proiel

• Description de la configuration : Le treebank UD Gothic est basé sur les données gothiques du treebank PROIEL, et se compose de la traduction de la Bible de Wulfila.

• Taille du téléchargement : 4.98 MiB

• Taille du jeu de données : 7.17 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/el_gdt

• Description de la configuration : Le Greek UD treebank (UD_Greek-GDT) est dérivé du Greek Dependency Treebank ( http://gdt.ilsp.gr ), une ressource développée et maintenue par des chercheurs de l'Institute for Language and Speech Processing/Athena RC ( http://www.ilsp.gr ).

• Taille du téléchargement : 5.52 MiB

• Taille du jeu de données : 7.49 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/gub_tudet

• Description de la configuration : UD_Guajajara-TuDeT est une collection de phrases annotées en guajajara. Les phrases proviennent de sources multiples telles que des descriptions de la langue, des nouvelles, des dictionnaires et des traductions du Nouveau Testament. Annotation des phrases et documentation par Lorena Martín Rodríguez et Fabrício Ferraz Gerardi.

• Taille du téléchargement : 683.38 KiB

• Taille du jeu de données : 738.09 KiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/gn_oldtudet

• Description de la configuration : UD_Guarani-OldTuDeT est une collection de textes annotés en vieux guarani. Toutes les sources connues dans cette langue sont annotées : cathésismes, grammaires (XVIIe et XVIIIe siècles), phrases de dictionnaires et autres textes. Annotation des phrases et documentation par Fabrício Ferraz Gerardi et Lorena Martín Rodríguez.

• Taille du téléchargement : 18.93 KiB

• Taille du jeu de données : 24.71 KiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/he_htb

• Description de la configuration : Un corpus universel de dépendances pour l'hébreu.

• Taille du téléchargement : 11.64 MiB

• Taille du jeu de données : 16.10 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/he_iahltwiki

• Description de la configuration : sous-ensemble accessible au public de la section Wikipedia de l'IAHLT UD Hebrew Treebank ( https://www.iahlt.org/ )

• Taille du téléchargement : 10.30 MiB

• Taille du jeu de données : 14.16 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/qfn_fame

• Description de la config : UD_Frisian_Dutch-Fame est une sélection de 400 phrases du FAME ! corpus de parole par Yilmaz et al. (2016a, 2016b). Le treebank est annoté manuellement à l'aide du schéma UD.

• Taille du téléchargement : 232.57 KiB

• Taille du jeu de données : 290.88 KiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/qhe_hiencs

• Description de la configuration : La banque d'arbres Hindi-English Code-switching est basée sur les tweets à code-switching de locuteurs multilingues hindi et anglais (principalement indiens) sur Twitter. Le treebank est annoté manuellement à l'aide du schéma UD. Les ensembles de formation et d'évaluation ont été annotés séparément par différents annotateurs en utilisant respectivement les directives UD v2 et v1. Les ensembles d'évaluation sont automatiquement convertis de UD v1 à v2.

• Taille du téléchargement : 893.15 KiB

• Taille du jeu de données : 1.53 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/hi_hdtb

• Description de la configuration : Le treebank Hindi UD est basé sur le Hindi Dependency Treebank (HDTB), créé à l'IIIT Hyderabad, en Inde.

• Taille du téléchargement : 49.18 MiB

• Taille du jeu de données : 68.06 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/hi_pud

• Description de la configuration : Il s'agit d'une partie des arborescences de dépendances universelles parallèles (PUD) créées pour la tâche partagée CoNLL 2017 sur l'analyse multilingue du texte brut aux dépendances universelles.

• Taille du téléchargement : 2.20 MiB

• Taille du jeu de données : 2.82 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/hu_szeged

• Description de la configuration : Le treebank hongrois UD est dérivé du Szeged Dependency Treebank (Vincze et al. 2010).

• Taille du téléchargement : 2.92 MiB

• Taille du jeu de données : 4.20 MiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

dépendances_universelles/est_moderne

• Config description : UD_Icelandic-Modern is a conversion of the modern additions to the Icelandic Parsed Historical Corpus (IcePaHC) to the Universal Dependencies scheme.

• Download size : 9.02 MiB

• Dataset size : 12.32 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

universal_dependencies/is_icepahc

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

• Download size : 81.16 MiB

• Dataset size : 112.07 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

universal_dependencies/is_pud

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

• Download size : 1.45 MiB

• Dataset size : 1.89 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

universal_dependencies/id_csui

• Config description : UD Indonesian-CSUI is a conversion from an Indonesian constituency treebank in the Penn Treebank format named Kethu that was also a conversion from a constituency treebank built by Dinakaramani et al. (2015). We named this treebank Indonesian-CSUI, since all the three versions of the treebanks were built at Faculty of Computer Science, Universitas Indonesia.

• Download size : 1.62 MiB

• Dataset size : 1.97 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

universal_dependencies/id_gsd

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

• Download size : 9.15 MiB

• Dataset size : 11.25 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

universal_dependencies/id_pud

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

• Download size : 1.10 MiB

• Dataset size : 1.44 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

universal_dependencies/ga_idt

• Config description : A Universal Dependencies 4910-sentence treebank for modern Irish.

• Download size : 7.62 MiB

• Dataset size : 10.77 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

universal_dependencies/ga_twittirish

• Config description : A Universal Dependencies treebank of 866 tweets in modern Irish.

• Download size : 782.30 KiB

• Dataset size : 1.13 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

universal_dependencies/it_isdt

• Config description : The Italian corpus annotated according to the UD annotation scheme was obtained by conversion from ISDT (Italian Stanford Dependency Treebank), released for the dependency parsing shared task of Evalita-2014 (Bosco et al. 2014).

• Download size : 20.03 MiB

• Dataset size : 29.18 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

universal_dependencies/it_partut

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

• Download size : 3.42 MiB

• Dataset size : 4.83 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

universal_dependencies/it_postwita

• Config description : PoSTWITA-UD is a collection of Italian tweets annotated in Universal Dependencies that can be exploited for the training of NLP systems to enhance their performance on social media texts.

• Download size : 7.27 MiB

• Dataset size : 10.47 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

universal_dependencies/it_markit

• Config description : It is MarkIT That is New: An Italian Treebank of Marked Constructions. Teresa Paccosi, Alessio Palmero Aprosio and Sara Tonelli, To appear in Proceedings of the Eighth Italian Conference on Computational Linguistics 2022 (CLIC-it 2021)

• Download size : 2.48 MiB

• Dataset size : 3.44 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

universal_dependencies/it_valico

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

• Download size : 520.45 KiB

• Dataset size : 657.38 KiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

universal_dependencies/it_pud

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

• Download size : 1.56 MiB

• Dataset size : 2.05 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

universal_dependencies/it_twittiro

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

• Download size : 1.81 MiB

• Dataset size : 2.51 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/it_vit

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

• Download size : 16.77 MiB

• Dataset size : 23.72 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/ja_pudluw

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

• Download size : 4.37 MiB

• Dataset size : 5.11 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/ja_bccwjluw

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

• Download size : 59.20 MiB

• Dataset size : 100.36 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/ja_gsdluw

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

• Download size : 28.31 MiB

• Dataset size : 33.97 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/ja_bccwj

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

• Download size : 93.05 MiB

• Dataset size : 157.62 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/ja_gsd

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

• Download size : 43.21 MiB

• Dataset size : 52.59 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/ja_modern

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

• Download size : 2.06 MiB

• Dataset size : 2.70 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/ja_pud

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

• Download size : 6.48 MiB

• Dataset size : 7.75 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/jv_csui

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

• Download size : 141.40 KiB

• Dataset size : 171.69 KiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/urb_tudet

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

• Download size : 24.74 KiB

• Dataset size : 33.60 KiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/xnr_kdtb

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

• Download size : 132.92 KiB

• Dataset size : 196.42 KiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/krl_kkpp

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

• Download size : 220.80 KiB

• Dataset size : 317.02 KiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/kk_ktb

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

• Download size : 833.88 KiB

• Dataset size : 1.15 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/arr_tudet

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

• Download size : 174.70 KiB

• Dataset size : 259.24 KiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/kfm_aha

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

• Download size : 6.14 KiB

• Dataset size : 7.56 KiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/quc_iu

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

• Download size : 823.85 KiB

• Dataset size : 1.06 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/koi_uh

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

• Download size : 99.43 KiB

• Dataset size : 118.77 KiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/kpv_ikdp

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

• Download size : 202.88 KiB

• Dataset size : 273.92 KiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/kpv_lattice

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

• Download size : 741.82 KiB

• Dataset size : 989.46 KiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/ko_gsd

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

• Download size : 4.66 MiB

• Dataset size : 6.31 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/ko_kaist

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

• Download size : 20.84 MiB

• Dataset size : 27.97 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/ko_pud

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

• Download size : 1.92 MiB

• Dataset size : 2.12 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/kmr_mg

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

• Download size : 747.04 KiB

• Dataset size : 1.07 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/la_ittb

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

• Download size : 40.75 MiB

• Dataset size : 55.54 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/la_udante

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

• Download size : 4.87 MiB

• Dataset size : 6.65 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/la_llct

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

• Download size : 20.99 MiB

• Dataset size : 27.77 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/la_perseus

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

• Download size : 2.45 MiB

• Dataset size : 3.53 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/la_proiel

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

• Download size : 17.58 MiB

• Dataset size : 25.21 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/lv_lvtb

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

• Download size : 30.93 MiB

• Dataset size : 42.49 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/lij_glt

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

• Download size : 426.33 KiB

• Dataset size : 636.88 KiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/lt_alksnis

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

• Download size : 6.68 MiB

• Dataset size : 9.06 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/lt_hse

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

• Download size : 255.28 KiB

• Dataset size : 1.06 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/olo_kkpp

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

• Download size : 119.00 KiB

• Dataset size : 165.75 KiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/nds_lsdc

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

• Download size : 209.01 KiB

• Dataset size : 280.72 KiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/mt_mudt

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

• Download size : 1.92 MiB

• Dataset size : 2.67 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/gv_cadhan

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

• Download size : 1.26 MiB

• Dataset size : 1.79 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/mr_ufal

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

• Download size : 330.87 KiB

• Dataset size : 496.00 KiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/gun_dooley

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

• Download size : 560.08 KiB

• Dataset size : 859.37 KiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/gun_thomas

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

• Download size : 90.88 KiB

• Dataset size : 120.86 KiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/mdf_jr

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

• Download size : 343.96 KiB

• Dataset size : 451.57 KiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/myu_tudet

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

• Download size : 67.85 KiB

• Dataset size : 83.48 KiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/pcm_nsc

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

• Download size : 16.99 MiB

• Dataset size : 21.58 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/nyq_aha

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

• Download size : 6.24 KiB

• Dataset size : 7.72 KiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/sme_giella

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

• Download size : 1.78 MiB

• Dataset size : 2.72 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/no_bokmaal

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

• Download size : 18.29 MiB

• Dataset size : 27.60 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/no_nynorsk

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

• Download size : 17.68 MiB

• Dataset size : 26.46 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/no_nynorsklia

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

• Download size : 3.19 MiB

• Dataset size : 4.78 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/cu_proiel

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

• Download size : 5.92 MiB

• Dataset size : 8.33 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/fro_srcmf

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

• Download size : 13.51 MiB

• Dataset size : 18.54 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/orv_birchbark

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

• Download size : 4.04 MiB

• Dataset size : 4.72 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/orv_rnc

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

• Download size : 2.95 MiB

• Dataset size : 4.02 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/orv_torot

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

• Download size : 14.49 MiB

• Dataset size : 20.13 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/otk_tonqq

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

• Download size : 10.44 KiB

• Dataset size : 14.01 KiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/fa_perdt

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

• Download size : 32.05 MiB

• Dataset size : 43.48 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/fa_seraji

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

• Download size : 9.43 MiB

• Dataset size : 12.50 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/pl_lfg

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

• Download size : 14.18 MiB

• Dataset size : 18.96 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/pl_pdb

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

• Download size : 34.66 MiB

• Dataset size : 47.62 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/pl_pud

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

• Download size : 1.91 MiB

• Dataset size : 2.52 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/pt_bosque

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

• Download size : 14.29 MiB

• Dataset size : 20.41 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/pt_gsd

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

• Download size : 14.57 MiB

• Dataset size : 20.34 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/pt_pud

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

• Download size : 1.48 MiB

• Dataset size : 1.95 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/ro_art

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

• Download size : 44.38 KiB

• Dataset size : 65.95 KiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/ro_nonstandard

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

• Download size : 48.00 MiB

• Dataset size : 66.84 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/ro_rrt

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

• Download size : 16.38 MiB

• Dataset size : 22.96 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/ro_simonero

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

• Download size : 11.36 MiB

• Dataset size : 15.68 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/ru_gsd

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

• Download size : 8.42 MiB

• Dataset size : 11.51 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/ru_pud

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

• Download size : 1.78 MiB

• Dataset size : 2.26 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/ru_syntagrus

• Config description : Russian data from the SynTagRus corpus.

• Download size : 97.99 MiB

• Dataset size : 139.66 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/ru_taiga

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

• Download size : 18.12 MiB

• Dataset size : 24.32 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/sa_ufal

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

• Download size : 414.72 KiB

• Dataset size : 407.83 KiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/sa_vedic

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

• Download size : 1.95 MiB

• Dataset size : 3.14 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/gd_arcosg

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

• Download size : 5.07 MiB

• Dataset size : 7.20 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/sr_set

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

• Download size : 7.07 MiB

• Dataset size : 10.04 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/sms_giellagas

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

• Download size : 216.27 KiB

• Dataset size : 299.21 KiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/sk_snk

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

• Download size : 9.55 MiB

• Dataset size : 13.87 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/sl_ssj

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

• Download size : 19.82 MiB

• Dataset size : 28.72 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/sl_sst

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

• Download size : 2.53 MiB

• Dataset size : 3.88 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/soj_aha

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

• Download size : 4.47 KiB

• Dataset size : 5.58 KiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/ajp_madar

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

• Download size : 42.16 KiB

• Dataset size : 65.64 KiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/es_ancora

• Config description : Spanish data from the AnCora corpus.

• Download size : 50.23 MiB

• Dataset size : 66.53 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/es_gsd

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

• Download size : 24.86 MiB

• Dataset size : 36.42 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/es_pud

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

• Download size : 1.60 MiB

• Dataset size : 2.11 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/swl_sslc

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

• Download size : 79.78 KiB

• Dataset size : 122.04 KiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/sv_lines

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

• Download size : 6.91 MiB

• Dataset size : 9.18 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/sv_pud

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

• Download size : 1.64 MiB

• Dataset size : 2.13 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/sv_talbanken

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

• Download size : 8.08 MiB

• Dataset size : 11.40 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/gsw_uzh

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

• Download size : 58.28 KiB

• Dataset size : 86.61 KiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/tl_trg

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

• Download size : 59.91 KiB

• Dataset size : 84.14 KiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/tl_ugnayan

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

• Download size : 53.91 KiB

• Dataset size : 76.16 KiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/ta_mwtt

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

• Download size : 394.18 KiB

• Dataset size : 499.94 KiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/ta_ttb

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

• Download size : 1.68 MiB

• Dataset size : 2.06 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/te_mtg

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

• Download size : 628.67 KiB

• Dataset size : 866.20 KiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/th_pud

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

• Download size : 1.53 MiB

• Dataset size : 1.85 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/tpn_tudet

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

• Download size : 293.55 KiB

• Dataset size : 371.48 KiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/qtd_sagt

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

• Download size : 2.78 MiB

• Dataset size : 4.28 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.

universal_dependencies/tr_atis

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

• Download size : 3.26 MiB

• Dataset size : 5.09 MiB

• Auto-cached ( documentation ): Yes

• Fractionnements :

• Examples ( tfds.as_dataframe ): Only shown for the first 100 configs.