ऑस्कर

सन्दर्भ:

• कोड
• गले लगाना

unshuffled_deduplicated_af

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_af')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किया गया है, हमारे पास उस पाठ का कोई स्वामित्व नहीं है जिससे ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित नहीं") के तहत इन डेटा की वास्तविक पैकेजिंग का लाइसेंस देते हैं http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव सीमा तक, इनरिया ने सभी कॉपीराइट और संबंधित को माफ कर दिया है या ऑस्कर के पड़ोसी अधिकार यह कार्य यहां से प्रकाशित हुआ है: फ़्रांस।

  क्या आपको यह विचार करना चाहिए कि हमारे डेटा में ऐसी सामग्री शामिल है जो आपके स्वामित्व में है और इसलिए इसे यहां पुन: प्रस्तुत नहीं किया जाना चाहिए, कृपया:

  • विस्तृत संपर्क डेटा जैसे पता, टेलीफ़ोन नंबर या ईमेल पता, जिस पर आपसे संपर्क किया जा सकता है, के साथ स्पष्ट रूप से अपनी पहचान बताएं।
  • उल्लंघन का दावा किए गए कॉपीराइट कार्य की स्पष्ट रूप से पहचान करें।
  • उस सामग्री की स्पष्ट रूप से पहचान करें जिसके उल्लंघन का दावा किया गया है और हमें सामग्री का पता लगाने की अनुमति देने के लिए पर्याप्त जानकारी है।

  हम कॉर्पस की अगली रिलीज़ से प्रभावित स्रोतों को हटाकर वैध अनुरोधों का अनुपालन करेंगे।

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_als

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_als')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किया गया है, हमारे पास उस पाठ का कोई स्वामित्व नहीं है जिससे ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित नहीं") के तहत इन डेटा की वास्तविक पैकेजिंग का लाइसेंस देते हैं http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव सीमा तक, इनरिया ने सभी कॉपीराइट और संबंधित को माफ कर दिया है या ऑस्कर के पड़ोसी अधिकार यह कार्य यहां से प्रकाशित हुआ है: फ़्रांस।

  क्या आपको यह विचार करना चाहिए कि हमारे डेटा में ऐसी सामग्री शामिल है जो आपके स्वामित्व में है और इसलिए इसे यहां पुन: प्रस्तुत नहीं किया जाना चाहिए, कृपया:

  • विस्तृत संपर्क डेटा जैसे पता, टेलीफ़ोन नंबर या ईमेल पता, जिस पर आपसे संपर्क किया जा सकता है, के साथ स्पष्ट रूप से अपनी पहचान बताएं।
  • उल्लंघन का दावा किए गए कॉपीराइट कार्य की स्पष्ट रूप से पहचान करें।
  • उस सामग्री की स्पष्ट रूप से पहचान करें जिसके उल्लंघन का दावा किया गया है और हमें सामग्री का पता लगाने की अनुमति देने के लिए पर्याप्त जानकारी है।

  हम कॉर्पस की अगली रिलीज़ से प्रभावित स्रोतों को हटाकर वैध अनुरोधों का अनुपालन करेंगे।

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_arz

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_arz')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किया गया है, हमारे पास उस पाठ का कोई स्वामित्व नहीं है जिससे ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित नहीं") के तहत इन डेटा की वास्तविक पैकेजिंग का लाइसेंस देते हैं http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव सीमा तक, इनरिया ने सभी कॉपीराइट और संबंधित को माफ कर दिया है या ऑस्कर के पड़ोसी अधिकार यह कार्य यहां से प्रकाशित हुआ है: फ़्रांस।

  क्या आपको यह विचार करना चाहिए कि हमारे डेटा में ऐसी सामग्री शामिल है जो आपके स्वामित्व में है और इसलिए इसे यहां पुन: प्रस्तुत नहीं किया जाना चाहिए, कृपया:

  • विस्तृत संपर्क डेटा जैसे पता, टेलीफ़ोन नंबर या ईमेल पता, जिस पर आपसे संपर्क किया जा सकता है, के साथ स्पष्ट रूप से अपनी पहचान बताएं।
  • उल्लंघन का दावा किए गए कॉपीराइट कार्य की स्पष्ट रूप से पहचान करें।
  • उस सामग्री की स्पष्ट रूप से पहचान करें जिसके उल्लंघन का दावा किया गया है और हमें सामग्री का पता लगाने की अनुमति देने के लिए पर्याप्त जानकारी है।

  हम कॉर्पस की अगली रिलीज़ से प्रभावित स्रोतों को हटाकर वैध अनुरोधों का अनुपालन करेंगे।

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_an

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_an')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किया गया है, हमारे पास उस पाठ का कोई स्वामित्व नहीं है जिससे ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित नहीं") के तहत इन डेटा की वास्तविक पैकेजिंग का लाइसेंस देते हैं http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव सीमा तक, इनरिया ने सभी कॉपीराइट और संबंधित को माफ कर दिया है या ऑस्कर के पड़ोसी अधिकार यह कार्य यहां से प्रकाशित हुआ है: फ़्रांस।

  क्या आपको यह विचार करना चाहिए कि हमारे डेटा में ऐसी सामग्री शामिल है जो आपके स्वामित्व में है और इसलिए इसे यहां पुन: प्रस्तुत नहीं किया जाना चाहिए, कृपया:

  • विस्तृत संपर्क डेटा जैसे पता, टेलीफ़ोन नंबर या ईमेल पता, जिस पर आपसे संपर्क किया जा सकता है, के साथ स्पष्ट रूप से अपनी पहचान बताएं।
  • उल्लंघन का दावा किए गए कॉपीराइट कार्य की स्पष्ट रूप से पहचान करें।
  • उस सामग्री की स्पष्ट रूप से पहचान करें जिसके उल्लंघन का दावा किया गया है और हमें सामग्री का पता लगाने की अनुमति देने के लिए पर्याप्त जानकारी है।

  हम कॉर्पस की अगली रिलीज़ से प्रभावित स्रोतों को हटाकर वैध अनुरोधों का अनुपालन करेंगे।

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_ast

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ast')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किया गया है, हमारे पास उस पाठ का कोई स्वामित्व नहीं है जिससे ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित नहीं") के तहत इन डेटा की वास्तविक पैकेजिंग का लाइसेंस देते हैं http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव सीमा तक, इनरिया ने सभी कॉपीराइट और संबंधित को माफ कर दिया है या ऑस्कर के पड़ोसी अधिकार यह कार्य यहां से प्रकाशित हुआ है: फ़्रांस।

  क्या आपको यह विचार करना चाहिए कि हमारे डेटा में ऐसी सामग्री शामिल है जो आपके स्वामित्व में है और इसलिए इसे यहां पुन: प्रस्तुत नहीं किया जाना चाहिए, कृपया:

  • विस्तृत संपर्क डेटा जैसे पता, टेलीफ़ोन नंबर या ईमेल पता, जिस पर आपसे संपर्क किया जा सकता है, के साथ स्पष्ट रूप से अपनी पहचान बताएं।
  • उल्लंघन का दावा किए गए कॉपीराइट कार्य की स्पष्ट रूप से पहचान करें।
  • उस सामग्री की स्पष्ट रूप से पहचान करें जिसके उल्लंघन का दावा किया गया है और हमें सामग्री का पता लगाने की अनुमति देने के लिए पर्याप्त जानकारी है।

  हम कॉर्पस की अगली रिलीज़ से प्रभावित स्रोतों को हटाकर वैध अनुरोधों का अनुपालन करेंगे।

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_ba

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ba')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किया गया है, हमारे पास उस पाठ का कोई स्वामित्व नहीं है जिससे ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित नहीं") के तहत इन डेटा की वास्तविक पैकेजिंग का लाइसेंस देते हैं http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव सीमा तक, इनरिया ने सभी कॉपीराइट और संबंधित को माफ कर दिया है या ऑस्कर के पड़ोसी अधिकार यह कार्य यहां से प्रकाशित हुआ है: फ़्रांस।

  क्या आपको यह विचार करना चाहिए कि हमारे डेटा में ऐसी सामग्री शामिल है जो आपके स्वामित्व में है और इसलिए इसे यहां पुन: प्रस्तुत नहीं किया जाना चाहिए, कृपया:

  • विस्तृत संपर्क डेटा जैसे पता, टेलीफ़ोन नंबर या ईमेल पता, जिस पर आपसे संपर्क किया जा सकता है, के साथ स्पष्ट रूप से अपनी पहचान बताएं।
  • उल्लंघन का दावा किए गए कॉपीराइट कार्य की स्पष्ट रूप से पहचान करें।
  • उस सामग्री की स्पष्ट रूप से पहचान करें जिसके उल्लंघन का दावा किया गया है और हमें सामग्री का पता लगाने की अनुमति देने के लिए पर्याप्त जानकारी है।

  हम कॉर्पस की अगली रिलीज़ से प्रभावित स्रोतों को हटाकर वैध अनुरोधों का अनुपालन करेंगे।

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_am

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_am')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किया गया है, हमारे पास उस पाठ का कोई स्वामित्व नहीं है जिससे ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित नहीं") के तहत इन डेटा की वास्तविक पैकेजिंग का लाइसेंस देते हैं http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव सीमा तक, इनरिया ने सभी कॉपीराइट और संबंधित को माफ कर दिया है या ऑस्कर के पड़ोसी अधिकार यह कार्य यहां से प्रकाशित हुआ है: फ़्रांस।

  क्या आपको यह विचार करना चाहिए कि हमारे डेटा में ऐसी सामग्री शामिल है जो आपके स्वामित्व में है और इसलिए इसे यहां पुन: प्रस्तुत नहीं किया जाना चाहिए, कृपया:

  • विस्तृत संपर्क डेटा जैसे पता, टेलीफ़ोन नंबर या ईमेल पता, जिस पर आपसे संपर्क किया जा सकता है, के साथ स्पष्ट रूप से अपनी पहचान बताएं।
  • उल्लंघन का दावा किए गए कॉपीराइट कार्य की स्पष्ट रूप से पहचान करें।
  • उस सामग्री की स्पष्ट रूप से पहचान करें जिसके उल्लंघन का दावा किया गया है और हमें सामग्री का पता लगाने की अनुमति देने के लिए पर्याप्त जानकारी है।

  हम कॉर्पस की अगली रिलीज़ से प्रभावित स्रोतों को हटाकर वैध अनुरोधों का अनुपालन करेंगे।

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_as

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_as')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किया गया है, हमारे पास उस पाठ का कोई स्वामित्व नहीं है जिससे ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित नहीं") के तहत इन डेटा की वास्तविक पैकेजिंग का लाइसेंस देते हैं http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव सीमा तक, इनरिया ने सभी कॉपीराइट और संबंधित को माफ कर दिया है या ऑस्कर के पड़ोसी अधिकार यह कार्य यहां से प्रकाशित हुआ है: फ़्रांस।

  क्या आपको यह विचार करना चाहिए कि हमारे डेटा में ऐसी सामग्री शामिल है जो आपके स्वामित्व में है और इसलिए इसे यहां पुन: प्रस्तुत नहीं किया जाना चाहिए, कृपया:

  • विस्तृत संपर्क डेटा जैसे पता, टेलीफ़ोन नंबर या ईमेल पता, जिस पर आपसे संपर्क किया जा सकता है, के साथ स्पष्ट रूप से अपनी पहचान बताएं।
  • उल्लंघन का दावा किए गए कॉपीराइट कार्य की स्पष्ट रूप से पहचान करें।
  • उस सामग्री की स्पष्ट रूप से पहचान करें जिसके उल्लंघन का दावा किया गया है और हमें सामग्री का पता लगाने की अनुमति देने के लिए पर्याप्त जानकारी है।

  हम कॉर्पस की अगली रिलीज़ से प्रभावित स्रोतों को हटाकर वैध अनुरोधों का अनुपालन करेंगे।

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_azb

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_azb')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किया गया है, हमारे पास उस पाठ का कोई स्वामित्व नहीं है जिससे ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित नहीं") के तहत इन डेटा की वास्तविक पैकेजिंग का लाइसेंस देते हैं http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव सीमा तक, इनरिया ने सभी कॉपीराइट और संबंधित को माफ कर दिया है या ऑस्कर के पड़ोसी अधिकार यह कार्य यहां से प्रकाशित हुआ है: फ़्रांस।

  क्या आपको यह विचार करना चाहिए कि हमारे डेटा में ऐसी सामग्री शामिल है जो आपके स्वामित्व में है और इसलिए इसे यहां पुन: प्रस्तुत नहीं किया जाना चाहिए, कृपया:

  • विस्तृत संपर्क डेटा जैसे पता, टेलीफ़ोन नंबर या ईमेल पता, जिस पर आपसे संपर्क किया जा सकता है, के साथ स्पष्ट रूप से अपनी पहचान बताएं।
  • उल्लंघन का दावा किए गए कॉपीराइट कार्य की स्पष्ट रूप से पहचान करें।
  • उस सामग्री की स्पष्ट रूप से पहचान करें जिसके उल्लंघन का दावा किया गया है और हमें सामग्री का पता लगाने की अनुमति देने के लिए पर्याप्त जानकारी है।

  हम कॉर्पस की अगली रिलीज़ से प्रभावित स्रोतों को हटाकर वैध अनुरोधों का अनुपालन करेंगे।

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

अनशफ़ल्ड_डीडुप्लिकेटेड_बी

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_be')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किया गया है, हमारे पास उस पाठ का कोई स्वामित्व नहीं है जिससे ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित नहीं") के तहत इन डेटा की वास्तविक पैकेजिंग का लाइसेंस देते हैं http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव सीमा तक, इनरिया ने सभी कॉपीराइट और संबंधित को माफ कर दिया है या ऑस्कर के पड़ोसी अधिकार यह कार्य यहां से प्रकाशित हुआ है: फ़्रांस।

  क्या आपको यह विचार करना चाहिए कि हमारे डेटा में ऐसी सामग्री शामिल है जो आपके स्वामित्व में है और इसलिए इसे यहां पुन: प्रस्तुत नहीं किया जाना चाहिए, कृपया:

  • विस्तृत संपर्क डेटा जैसे पता, टेलीफ़ोन नंबर या ईमेल पता, जिस पर आपसे संपर्क किया जा सकता है, के साथ स्पष्ट रूप से अपनी पहचान बताएं।
  • उल्लंघन का दावा किए गए कॉपीराइट कार्य की स्पष्ट रूप से पहचान करें।
  • उस सामग्री की स्पष्ट रूप से पहचान करें जिसके उल्लंघन का दावा किया गया है और हमें सामग्री का पता लगाने की अनुमति देने के लिए पर्याप्त जानकारी है।

  हम कॉर्पस की अगली रिलीज़ से प्रभावित स्रोतों को हटाकर वैध अनुरोधों का अनुपालन करेंगे।

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

अनशफ़ल्ड_डीडुप्लिकेटेड_बो

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_bo')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किया गया है, हमारे पास उस पाठ का कोई स्वामित्व नहीं है जिससे ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित नहीं") के तहत इन डेटा की वास्तविक पैकेजिंग का लाइसेंस देते हैं http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव सीमा तक, इनरिया ने सभी कॉपीराइट और संबंधित को माफ कर दिया है या ऑस्कर के पड़ोसी अधिकार यह कार्य यहां से प्रकाशित हुआ है: फ़्रांस।

  क्या आपको यह विचार करना चाहिए कि हमारे डेटा में ऐसी सामग्री शामिल है जो आपके स्वामित्व में है और इसलिए इसे यहां पुन: प्रस्तुत नहीं किया जाना चाहिए, कृपया:

  • विस्तृत संपर्क डेटा जैसे पता, टेलीफ़ोन नंबर या ईमेल पता, जिस पर आपसे संपर्क किया जा सकता है, के साथ स्पष्ट रूप से अपनी पहचान बताएं।
  • उल्लंघन का दावा किए गए कॉपीराइट कार्य की स्पष्ट रूप से पहचान करें।
  • उस सामग्री की स्पष्ट रूप से पहचान करें जिसके उल्लंघन का दावा किया गया है और हमें सामग्री का पता लगाने की अनुमति देने के लिए पर्याप्त जानकारी है।

  हम कॉर्पस की अगली रिलीज़ से प्रभावित स्रोतों को हटाकर वैध अनुरोधों का अनुपालन करेंगे।

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_bxr

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_bxr')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किया गया है, हमारे पास उस पाठ का कोई स्वामित्व नहीं है जिससे ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित नहीं") के तहत इन डेटा की वास्तविक पैकेजिंग का लाइसेंस देते हैं http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव सीमा तक, इनरिया ने सभी कॉपीराइट और संबंधित को माफ कर दिया है या ऑस्कर के पड़ोसी अधिकार यह कार्य यहां से प्रकाशित हुआ है: फ़्रांस।

  क्या आपको यह विचार करना चाहिए कि हमारे डेटा में ऐसी सामग्री शामिल है जो आपके स्वामित्व में है और इसलिए इसे यहां पुन: प्रस्तुत नहीं किया जाना चाहिए, कृपया:

  • विस्तृत संपर्क डेटा जैसे पता, टेलीफ़ोन नंबर या ईमेल पता, जिस पर आपसे संपर्क किया जा सकता है, के साथ स्पष्ट रूप से अपनी पहचान बताएं।
  • उल्लंघन का दावा किए गए कॉपीराइट कार्य की स्पष्ट रूप से पहचान करें।
  • उस सामग्री की स्पष्ट रूप से पहचान करें जिसके उल्लंघन का दावा किया गया है और हमें सामग्री का पता लगाने की अनुमति देने के लिए पर्याप्त जानकारी है।

  हम कॉर्पस की अगली रिलीज़ से प्रभावित स्रोतों को हटाकर वैध अनुरोधों का अनुपालन करेंगे।

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_ceb

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ceb')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किया गया है, हमारे पास उस पाठ का कोई स्वामित्व नहीं है जिससे ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित नहीं") के तहत इन डेटा की वास्तविक पैकेजिंग का लाइसेंस देते हैं http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव सीमा तक, इनरिया ने सभी कॉपीराइट और संबंधित को माफ कर दिया है या ऑस्कर के पड़ोसी अधिकार यह कार्य यहां से प्रकाशित हुआ है: फ़्रांस।

  क्या आपको यह विचार करना चाहिए कि हमारे डेटा में ऐसी सामग्री शामिल है जो आपके स्वामित्व में है और इसलिए इसे यहां पुन: प्रस्तुत नहीं किया जाना चाहिए, कृपया:

  • विस्तृत संपर्क डेटा जैसे पता, टेलीफ़ोन नंबर या ईमेल पता, जिस पर आपसे संपर्क किया जा सकता है, के साथ स्पष्ट रूप से अपनी पहचान बताएं।
  • उल्लंघन का दावा किए गए कॉपीराइट कार्य की स्पष्ट रूप से पहचान करें।
  • उस सामग्री की स्पष्ट रूप से पहचान करें जिसके उल्लंघन का दावा किया गया है और हमें सामग्री का पता लगाने की अनुमति देने के लिए पर्याप्त जानकारी है।

  हम कॉर्पस की अगली रिलीज़ से प्रभावित स्रोतों को हटाकर वैध अनुरोधों का अनुपालन करेंगे।

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_az

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_az')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किया गया है, हमारे पास उस पाठ का कोई स्वामित्व नहीं है जिससे ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित नहीं") के तहत इन डेटा की वास्तविक पैकेजिंग का लाइसेंस देते हैं http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव सीमा तक, इनरिया ने सभी कॉपीराइट और संबंधित को माफ कर दिया है या ऑस्कर के पड़ोसी अधिकार यह कार्य यहां से प्रकाशित हुआ है: फ़्रांस।

  क्या आपको यह विचार करना चाहिए कि हमारे डेटा में ऐसी सामग्री शामिल है जो आपके स्वामित्व में है और इसलिए इसे यहां पुन: प्रस्तुत नहीं किया जाना चाहिए, कृपया:

  • विस्तृत संपर्क डेटा जैसे पता, टेलीफ़ोन नंबर या ईमेल पता, जिस पर आपसे संपर्क किया जा सकता है, के साथ स्पष्ट रूप से अपनी पहचान बताएं।
  • उल्लंघन का दावा किए गए कॉपीराइट कार्य की स्पष्ट रूप से पहचान करें।
  • उस सामग्री की स्पष्ट रूप से पहचान करें जिसके उल्लंघन का दावा किया गया है और हमें सामग्री का पता लगाने की अनुमति देने के लिए पर्याप्त जानकारी है।

  हम कॉर्पस की अगली रिलीज़ से प्रभावित स्रोतों को हटाकर वैध अनुरोधों का अनुपालन करेंगे।

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

अनशफ़ल्ड_डीडुप्लिकेटेड_बीसीएल

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_bcl')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किया गया है, हमारे पास उस पाठ का कोई स्वामित्व नहीं है जिससे ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित नहीं") के तहत इन डेटा की वास्तविक पैकेजिंग का लाइसेंस देते हैं http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव सीमा तक, इनरिया ने सभी कॉपीराइट और संबंधित को माफ कर दिया है या ऑस्कर के पड़ोसी अधिकार यह कार्य यहां से प्रकाशित हुआ है: फ़्रांस।

  क्या आपको यह विचार करना चाहिए कि हमारे डेटा में ऐसी सामग्री शामिल है जो आपके स्वामित्व में है और इसलिए इसे यहां पुन: प्रस्तुत नहीं किया जाना चाहिए, कृपया:

  • विस्तृत संपर्क डेटा जैसे पता, टेलीफ़ोन नंबर या ईमेल पता, जिस पर आपसे संपर्क किया जा सकता है, के साथ स्पष्ट रूप से अपनी पहचान बताएं।
  • उल्लंघन का दावा किए गए कॉपीराइट कार्य की स्पष्ट रूप से पहचान करें।
  • उस सामग्री की स्पष्ट रूप से पहचान करें जिसके उल्लंघन का दावा किया गया है और हमें सामग्री का पता लगाने की अनुमति देने के लिए पर्याप्त जानकारी है।

  हम कॉर्पस की अगली रिलीज़ से प्रभावित स्रोतों को हटाकर वैध अनुरोधों का अनुपालन करेंगे।

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_cy

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_cy')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किया गया है, हमारे पास उस पाठ का कोई स्वामित्व नहीं है जिससे ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित नहीं") के तहत इन डेटा की वास्तविक पैकेजिंग का लाइसेंस देते हैं http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव सीमा तक, इनरिया ने सभी कॉपीराइट और संबंधित को माफ कर दिया है या ऑस्कर के पड़ोसी अधिकार यह कार्य यहां से प्रकाशित हुआ है: फ़्रांस।

  क्या आपको यह विचार करना चाहिए कि हमारे डेटा में ऐसी सामग्री शामिल है जो आपके स्वामित्व में है और इसलिए इसे यहां पुन: प्रस्तुत नहीं किया जाना चाहिए, कृपया:

  • विस्तृत संपर्क डेटा जैसे पता, टेलीफ़ोन नंबर या ईमेल पता, जिस पर आपसे संपर्क किया जा सकता है, के साथ स्पष्ट रूप से अपनी पहचान बताएं।
  • उल्लंघन का दावा किए गए कॉपीराइट कार्य की स्पष्ट रूप से पहचान करें।
  • उस सामग्री की स्पष्ट रूप से पहचान करें जिसके उल्लंघन का दावा किया गया है और हमें सामग्री का पता लगाने की अनुमति देने के लिए पर्याप्त जानकारी है।

  हम कॉर्पस की अगली रिलीज़ से प्रभावित स्रोतों को हटाकर वैध अनुरोधों का अनुपालन करेंगे।

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_dsb

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_dsb')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किया गया है, हमारे पास उस पाठ का कोई स्वामित्व नहीं है जिससे ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित नहीं") के तहत इन डेटा की वास्तविक पैकेजिंग का लाइसेंस देते हैं http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव सीमा तक, इनरिया ने सभी कॉपीराइट और संबंधित को माफ कर दिया है या ऑस्कर के पड़ोसी अधिकार यह कार्य यहां से प्रकाशित हुआ है: फ़्रांस।

  क्या आपको यह विचार करना चाहिए कि हमारे डेटा में ऐसी सामग्री शामिल है जो आपके स्वामित्व में है और इसलिए इसे यहां पुन: प्रस्तुत नहीं किया जाना चाहिए, कृपया:

  • विस्तृत संपर्क डेटा जैसे पता, टेलीफ़ोन नंबर या ईमेल पता, जिस पर आपसे संपर्क किया जा सकता है, के साथ स्पष्ट रूप से अपनी पहचान बताएं।
  • उल्लंघन का दावा किए गए कॉपीराइट कार्य की स्पष्ट रूप से पहचान करें।
  • उस सामग्री की स्पष्ट रूप से पहचान करें जिसके उल्लंघन का दावा किया गया है और हमें सामग्री का पता लगाने की अनुमति देने के लिए पर्याप्त जानकारी है।

  हम कॉर्पस की अगली रिलीज से प्रभावित स्रोतों को हटाकर वैध अनुरोधों का अनुपालन करेंगे।

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

अनशफ़ल्ड_डीडुप्लिकेटेड_बीएन

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_bn')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किया गया है, हमारे पास उस पाठ का कोई स्वामित्व नहीं है जिससे ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित नहीं") के तहत इन डेटा की वास्तविक पैकेजिंग का लाइसेंस देते हैं http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव सीमा तक, इनरिया ने सभी कॉपीराइट और संबंधित को माफ कर दिया है या ऑस्कर के पड़ोसी अधिकार यह कार्य यहां से प्रकाशित हुआ है: फ़्रांस।

  क्या आपको यह विचार करना चाहिए कि हमारे डेटा में ऐसी सामग्री शामिल है जो आपके स्वामित्व में है और इसलिए इसे यहां पुन: प्रस्तुत नहीं किया जाना चाहिए, कृपया:

  • विस्तृत संपर्क डेटा जैसे पता, टेलीफ़ोन नंबर या ईमेल पता, जिस पर आपसे संपर्क किया जा सकता है, के साथ स्पष्ट रूप से अपनी पहचान बताएं।
  • उल्लंघन का दावा किए गए कॉपीराइट कार्य की स्पष्ट रूप से पहचान करें।
  • उस सामग्री की स्पष्ट रूप से पहचान करें जिसके उल्लंघन का दावा किया गया है और हमें सामग्री का पता लगाने की अनुमति देने के लिए पर्याप्त जानकारी है।

  हम कॉर्पस की अगली रिलीज़ से प्रभावित स्रोतों को हटाकर वैध अनुरोधों का अनुपालन करेंगे।

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_bs

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_bs')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किया गया है, हमारे पास उस पाठ का कोई स्वामित्व नहीं है जिससे ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित नहीं") के तहत इन डेटा की वास्तविक पैकेजिंग का लाइसेंस देते हैं http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव सीमा तक, इनरिया ने सभी कॉपीराइट और संबंधित को माफ कर दिया है या ऑस्कर के पड़ोसी अधिकार यह कार्य यहां से प्रकाशित हुआ है: फ़्रांस।

  क्या आपको यह विचार करना चाहिए कि हमारे डेटा में ऐसी सामग्री शामिल है जो आपके स्वामित्व में है और इसलिए इसे यहां पुन: प्रस्तुत नहीं किया जाना चाहिए, कृपया:

  • विस्तृत संपर्क डेटा जैसे पता, टेलीफ़ोन नंबर या ईमेल पता, जिस पर आपसे संपर्क किया जा सकता है, के साथ स्पष्ट रूप से अपनी पहचान बताएं।
  • उल्लंघन का दावा किए गए कॉपीराइट कार्य की स्पष्ट रूप से पहचान करें।
  • उस सामग्री की स्पष्ट रूप से पहचान करें जिसके उल्लंघन का दावा किया गया है और हमें सामग्री का पता लगाने की अनुमति देने के लिए पर्याप्त जानकारी है।

  हम कॉर्पस की अगली रिलीज़ से प्रभावित स्रोतों को हटाकर वैध अनुरोधों का अनुपालन करेंगे।

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_ce

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ce')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किया गया है, हमारे पास उस पाठ का कोई स्वामित्व नहीं है जिससे ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित नहीं") के तहत इन डेटा की वास्तविक पैकेजिंग का लाइसेंस देते हैं http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव सीमा तक, इनरिया ने सभी कॉपीराइट और संबंधित को माफ कर दिया है या ऑस्कर के पड़ोसी अधिकार यह कार्य यहां से प्रकाशित हुआ है: फ़्रांस।

  क्या आपको यह विचार करना चाहिए कि हमारे डेटा में ऐसी सामग्री शामिल है जो आपके स्वामित्व में है और इसलिए इसे यहां पुन: प्रस्तुत नहीं किया जाना चाहिए, कृपया:

  • विस्तृत संपर्क डेटा जैसे पता, टेलीफ़ोन नंबर या ईमेल पता, जिस पर आपसे संपर्क किया जा सकता है, के साथ स्पष्ट रूप से अपनी पहचान बताएं।
  • उल्लंघन का दावा किए गए कॉपीराइट कार्य की स्पष्ट रूप से पहचान करें।
  • उस सामग्री की स्पष्ट रूप से पहचान करें जिसके उल्लंघन का दावा किया गया है और हमें सामग्री का पता लगाने की अनुमति देने के लिए पर्याप्त जानकारी है।

  हम कॉर्पस की अगली रिलीज़ से प्रभावित स्रोतों को हटाकर वैध अनुरोधों का अनुपालन करेंगे।

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

अनशफ़ल्ड_डीडुप्लिकेटेड_सीवी

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_cv')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किया गया है, हमारे पास उस पाठ का कोई स्वामित्व नहीं है जिससे ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित नहीं") के तहत इन डेटा की वास्तविक पैकेजिंग का लाइसेंस देते हैं http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव सीमा तक, इनरिया ने सभी कॉपीराइट और संबंधित को माफ कर दिया है या ऑस्कर के पड़ोसी अधिकार यह कार्य यहां से प्रकाशित हुआ है: फ़्रांस।

  क्या आपको यह विचार करना चाहिए कि हमारे डेटा में ऐसी सामग्री शामिल है जो आपके स्वामित्व में है और इसलिए इसे यहां पुन: प्रस्तुत नहीं किया जाना चाहिए, कृपया:

  • विस्तृत संपर्क डेटा जैसे पता, टेलीफ़ोन नंबर या ईमेल पता, जिस पर आपसे संपर्क किया जा सकता है, के साथ स्पष्ट रूप से अपनी पहचान बताएं।
  • उल्लंघन का दावा किए गए कॉपीराइट कार्य की स्पष्ट रूप से पहचान करें।
  • उस सामग्री की स्पष्ट रूप से पहचान करें जिसके उल्लंघन का दावा किया गया है और हमें सामग्री का पता लगाने की अनुमति देने के लिए पर्याप्त जानकारी है।

  हम कॉर्पस की अगली रिलीज़ से प्रभावित स्रोतों को हटाकर वैध अनुरोधों का अनुपालन करेंगे।

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_diq

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_diq')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किया गया है, हमारे पास उस पाठ का कोई स्वामित्व नहीं है जिससे ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित नहीं") के तहत इन डेटा की वास्तविक पैकेजिंग का लाइसेंस देते हैं http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव सीमा तक, इनरिया ने सभी कॉपीराइट और संबंधित को माफ कर दिया है या ऑस्कर के पड़ोसी अधिकार यह कार्य यहां से प्रकाशित हुआ है: फ़्रांस।

  क्या आपको यह विचार करना चाहिए कि हमारे डेटा में ऐसी सामग्री शामिल है जो आपके स्वामित्व में है और इसलिए इसे यहां पुन: प्रस्तुत नहीं किया जाना चाहिए, कृपया:

  • विस्तृत संपर्क डेटा जैसे पता, टेलीफ़ोन नंबर या ईमेल पता, जिस पर आपसे संपर्क किया जा सकता है, के साथ स्पष्ट रूप से अपनी पहचान बताएं।
  • उल्लंघन का दावा किए गए कॉपीराइट कार्य की स्पष्ट रूप से पहचान करें।
  • उस सामग्री की स्पष्ट रूप से पहचान करें जिसके उल्लंघन का दावा किया गया है और हमें सामग्री का पता लगाने की अनुमति देने के लिए पर्याप्त जानकारी है।

  हम कॉर्पस की अगली रिलीज़ से प्रभावित स्रोतों को हटाकर वैध अनुरोधों का अनुपालन करेंगे।

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_eml

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_eml')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किया गया है, हमारे पास उस पाठ का कोई स्वामित्व नहीं है जिससे ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित नहीं") के तहत इन डेटा की वास्तविक पैकेजिंग का लाइसेंस देते हैं http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव सीमा तक, इनरिया ने सभी कॉपीराइट और संबंधित को माफ कर दिया है या ऑस्कर के पड़ोसी अधिकार यह कार्य यहां से प्रकाशित हुआ है: फ़्रांस।

  क्या आपको यह विचार करना चाहिए कि हमारे डेटा में ऐसी सामग्री शामिल है जो आपके स्वामित्व में है और इसलिए इसे यहां पुन: प्रस्तुत नहीं किया जाना चाहिए, कृपया:

  • विस्तृत संपर्क डेटा जैसे पता, टेलीफ़ोन नंबर या ईमेल पता, जिस पर आपसे संपर्क किया जा सकता है, के साथ स्पष्ट रूप से अपनी पहचान बताएं।
  • उल्लंघन का दावा किए गए कॉपीराइट कार्य की स्पष्ट रूप से पहचान करें।
  • उस सामग्री की स्पष्ट रूप से पहचान करें जिसके उल्लंघन का दावा किया गया है और हमें सामग्री का पता लगाने की अनुमति देने के लिए पर्याप्त जानकारी है।

  हम कॉर्पस की अगली रिलीज़ से प्रभावित स्रोतों को हटाकर वैध अनुरोधों का अनुपालन करेंगे।

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_et

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_et')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किया गया है, हमारे पास उस पाठ का कोई स्वामित्व नहीं है जिससे ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित नहीं") के तहत इन डेटा की वास्तविक पैकेजिंग का लाइसेंस देते हैं http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव सीमा तक, इनरिया ने सभी कॉपीराइट और संबंधित को माफ कर दिया है या ऑस्कर के पड़ोसी अधिकार यह कार्य यहां से प्रकाशित हुआ है: फ़्रांस।

  क्या आपको यह विचार करना चाहिए कि हमारे डेटा में ऐसी सामग्री शामिल है जो आपके स्वामित्व में है और इसलिए इसे यहां पुन: प्रस्तुत नहीं किया जाना चाहिए, कृपया:

  • विस्तृत संपर्क डेटा जैसे पता, टेलीफ़ोन नंबर या ईमेल पता, जिस पर आपसे संपर्क किया जा सकता है, के साथ स्पष्ट रूप से अपनी पहचान बताएं।
  • उल्लंघन का दावा किए गए कॉपीराइट कार्य की स्पष्ट रूप से पहचान करें।
  • उस सामग्री की स्पष्ट रूप से पहचान करें जिसके उल्लंघन का दावा किया गया है और हमें सामग्री का पता लगाने की अनुमति देने के लिए पर्याप्त जानकारी है।

  हम कॉर्पस की अगली रिलीज़ से प्रभावित स्रोतों को हटाकर वैध अनुरोधों का अनुपालन करेंगे।

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

अनशफ़ल्ड_डीडुप्लिकेटेड_बीजी

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_bg')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किया गया है, हमारे पास उस पाठ का कोई स्वामित्व नहीं है जिससे ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित नहीं") के तहत इन डेटा की वास्तविक पैकेजिंग का लाइसेंस देते हैं http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव सीमा तक, इनरिया ने सभी कॉपीराइट और संबंधित को माफ कर दिया है या ऑस्कर के पड़ोसी अधिकार यह कार्य यहां से प्रकाशित हुआ है: फ़्रांस।

  क्या आपको यह विचार करना चाहिए कि हमारे डेटा में ऐसी सामग्री शामिल है जो आपके स्वामित्व में है और इसलिए इसे यहां पुन: प्रस्तुत नहीं किया जाना चाहिए, कृपया:

  • विस्तृत संपर्क डेटा जैसे पता, टेलीफ़ोन नंबर या ईमेल पता, जिस पर आपसे संपर्क किया जा सकता है, के साथ स्पष्ट रूप से अपनी पहचान बताएं।
  • उल्लंघन का दावा किए गए कॉपीराइट कार्य की स्पष्ट रूप से पहचान करें।
  • उस सामग्री की स्पष्ट रूप से पहचान करें जिसके उल्लंघन का दावा किया गया है और हमें सामग्री का पता लगाने की अनुमति देने के लिए पर्याप्त जानकारी है।

  हम कॉर्पस की अगली रिलीज़ से प्रभावित स्रोतों को हटाकर वैध अनुरोधों का अनुपालन करेंगे।

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_bpy

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_bpy')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किया गया है, हमारे पास उस पाठ का कोई स्वामित्व नहीं है जिससे ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित नहीं") के तहत इन डेटा की वास्तविक पैकेजिंग का लाइसेंस देते हैं http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव सीमा तक, इनरिया ने सभी कॉपीराइट और संबंधित को माफ कर दिया है या ऑस्कर के पड़ोसी अधिकार यह कार्य यहां से प्रकाशित हुआ है: फ़्रांस।

  क्या आपको यह विचार करना चाहिए कि हमारे डेटा में ऐसी सामग्री शामिल है जो आपके स्वामित्व में है और इसलिए इसे यहां पुन: प्रस्तुत नहीं किया जाना चाहिए, कृपया:

  • विस्तृत संपर्क डेटा जैसे पता, टेलीफ़ोन नंबर या ईमेल पता, जिस पर आपसे संपर्क किया जा सकता है, के साथ स्पष्ट रूप से अपनी पहचान बताएं।
  • उल्लंघन का दावा किए गए कॉपीराइट कार्य की स्पष्ट रूप से पहचान करें।
  • उस सामग्री की स्पष्ट रूप से पहचान करें जिसके उल्लंघन का दावा किया गया है और हमें सामग्री का पता लगाने की अनुमति देने के लिए पर्याप्त जानकारी है।

  हम कॉर्पस की अगली रिलीज़ से प्रभावित स्रोतों को हटाकर वैध अनुरोधों का अनुपालन करेंगे।

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_ca

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ca')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किया गया है, हमारे पास उस पाठ का कोई स्वामित्व नहीं है जिससे ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित नहीं") के तहत इन डेटा की वास्तविक पैकेजिंग का लाइसेंस देते हैं http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव सीमा तक, इनरिया ने सभी कॉपीराइट और संबंधित को माफ कर दिया है या ऑस्कर के पड़ोसी अधिकार यह कार्य यहां से प्रकाशित हुआ है: फ़्रांस।

  क्या आपको यह विचार करना चाहिए कि हमारे डेटा में ऐसी सामग्री शामिल है जो आपके स्वामित्व में है और इसलिए इसे यहां पुन: प्रस्तुत नहीं किया जाना चाहिए, कृपया:

  • विस्तृत संपर्क डेटा जैसे पता, टेलीफ़ोन नंबर या ईमेल पता, जिस पर आपसे संपर्क किया जा सकता है, के साथ स्पष्ट रूप से अपनी पहचान बताएं।
  • उल्लंघन का दावा किए गए कॉपीराइट कार्य की स्पष्ट रूप से पहचान करें।
  • उस सामग्री की स्पष्ट रूप से पहचान करें जिसके उल्लंघन का दावा किया गया है और हमें सामग्री का पता लगाने की अनुमति देने के लिए पर्याप्त जानकारी है।

  हम कॉर्पस की अगली रिलीज़ से प्रभावित स्रोतों को हटाकर वैध अनुरोधों का अनुपालन करेंगे।

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_ckb

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ckb')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किया गया है, हमारे पास उस पाठ का कोई स्वामित्व नहीं है जिससे ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित नहीं") के तहत इन डेटा की वास्तविक पैकेजिंग का लाइसेंस देते हैं http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव सीमा तक, इनरिया ने सभी कॉपीराइट और संबंधित को माफ कर दिया है या ऑस्कर के पड़ोसी अधिकार यह कार्य यहां से प्रकाशित हुआ है: फ़्रांस।

  क्या आपको यह विचार करना चाहिए कि हमारे डेटा में ऐसी सामग्री शामिल है जो आपके स्वामित्व में है और इसलिए इसे यहां पुन: प्रस्तुत नहीं किया जाना चाहिए, कृपया:

  • विस्तृत संपर्क डेटा जैसे पता, टेलीफ़ोन नंबर या ईमेल पता, जिस पर आपसे संपर्क किया जा सकता है, के साथ स्पष्ट रूप से अपनी पहचान बताएं।
  • उल्लंघन का दावा किए गए कॉपीराइट कार्य की स्पष्ट रूप से पहचान करें।
  • उस सामग्री की स्पष्ट रूप से पहचान करें जिसके उल्लंघन का दावा किया गया है और हमें सामग्री का पता लगाने की अनुमति देने के लिए पर्याप्त जानकारी है।

  हम कॉर्पस की अगली रिलीज़ से प्रभावित स्रोतों को हटाकर वैध अनुरोधों का अनुपालन करेंगे।

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_ar

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ar')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किया गया है, हमारे पास उस पाठ का कोई स्वामित्व नहीं है जिससे ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित नहीं") के तहत इन डेटा की वास्तविक पैकेजिंग का लाइसेंस देते हैं http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव सीमा तक, इनरिया ने सभी कॉपीराइट और संबंधित को माफ कर दिया है या ऑस्कर के पड़ोसी अधिकार यह कार्य यहां से प्रकाशित हुआ है: फ़्रांस।

  क्या आपको यह विचार करना चाहिए कि हमारे डेटा में ऐसी सामग्री शामिल है जो आपके स्वामित्व में है और इसलिए इसे यहां पुन: प्रस्तुत नहीं किया जाना चाहिए, कृपया:

  • विस्तृत संपर्क डेटा जैसे पता, टेलीफ़ोन नंबर या ईमेल पता, जिस पर आपसे संपर्क किया जा सकता है, के साथ स्पष्ट रूप से अपनी पहचान बताएं।
  • उल्लंघन का दावा किए गए कॉपीराइट कार्य की स्पष्ट रूप से पहचान करें।
  • उस सामग्री की स्पष्ट रूप से पहचान करें जिसके उल्लंघन का दावा किया गया है और हमें सामग्री का पता लगाने की अनुमति देने के लिए पर्याप्त जानकारी है।

  हम कॉर्पस की अगली रिलीज़ से प्रभावित स्रोतों को हटाकर वैध अनुरोधों का अनुपालन करेंगे।

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_av

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_av')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किया गया है, हमारे पास उस पाठ का कोई स्वामित्व नहीं है जिससे ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित नहीं") के तहत इन डेटा की वास्तविक पैकेजिंग का लाइसेंस देते हैं http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव सीमा तक, इनरिया ने सभी कॉपीराइट और संबंधित को माफ कर दिया है या ऑस्कर के पड़ोसी अधिकार यह कार्य यहां से प्रकाशित हुआ है: फ़्रांस।

  क्या आपको यह विचार करना चाहिए कि हमारे डेटा में ऐसी सामग्री शामिल है जो आपके स्वामित्व में है और इसलिए इसे यहां पुन: प्रस्तुत नहीं किया जाना चाहिए, कृपया:

  • विस्तृत संपर्क डेटा जैसे पता, टेलीफ़ोन नंबर या ईमेल पता, जिस पर आपसे संपर्क किया जा सकता है, के साथ स्पष्ट रूप से अपनी पहचान बताएं।
  • स्पष्ट रूप से उल्लंघन किए जाने वाले कॉपीराइट किए गए काम की पहचान करें।
  • स्पष्ट रूप से उस सामग्री की पहचान करें जो उल्लंघन करने और सूचनाओं का उल्लंघन करने का दावा किया जाता है ताकि हमें सामग्री का पता लगाने की अनुमति मिल सके।

  हम कॉर्पस की अगली रिलीज से प्रभावित स्रोतों को हटाकर वैध अनुरोधों का पालन करेंगे।

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_bar

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_bar')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किए जाते हैं, हमारे पास कोई भी पाठ नहीं है जहां से ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित") के तहत इन आंकड़ों की वास्तविक पैकेजिंग को लाइसेंस देते हैं, http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव हो, INRIA ने सभी कॉपीराइट और संबंधित या संबंधित या संबंधित हैं। ऑस्कर के लिए पड़ोसी अधिकार इस काम से प्रकाशित किया गया है: फ्रांस।

  क्या आपको इस बात पर विचार करना चाहिए कि हमारे डेटा में ऐसी सामग्री है जो आपके स्वामित्व वाली है और इसलिए इसे यहां पुन: पेश नहीं किया जाना चाहिए, कृपया:

  • स्पष्ट रूप से अपने आप को पहचानें, विस्तृत संपर्क डेटा जैसे कि एक पता, टेलीफोन नंबर या ईमेल पता जिस पर आपसे संपर्क किया जा सकता है।
  • स्पष्ट रूप से उल्लंघन किए जाने वाले कॉपीराइट किए गए काम की पहचान करें।
  • स्पष्ट रूप से उस सामग्री की पहचान करें जो उल्लंघन करने और सूचनाओं का उल्लंघन करने का दावा किया जाता है ताकि हमें सामग्री का पता लगाने की अनुमति मिल सके।

  हम कॉर्पस की अगली रिलीज से प्रभावित स्रोतों को हटाकर वैध अनुरोधों का पालन करेंगे।

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_bh

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_bh')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किए जाते हैं, हमारे पास कोई भी पाठ नहीं है जहां से ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित") के तहत इन आंकड़ों की वास्तविक पैकेजिंग को लाइसेंस देते हैं, http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव हो, INRIA ने सभी कॉपीराइट और संबंधित या संबंधित या संबंधित हैं। ऑस्कर के लिए पड़ोसी अधिकार इस काम से प्रकाशित किया गया है: फ्रांस।

  क्या आपको इस बात पर विचार करना चाहिए कि हमारे डेटा में ऐसी सामग्री है जो आपके स्वामित्व वाली है और इसलिए इसे यहां पुन: पेश नहीं किया जाना चाहिए, कृपया:

  • स्पष्ट रूप से अपने आप को पहचानें, विस्तृत संपर्क डेटा जैसे कि एक पता, टेलीफोन नंबर या ईमेल पता जिस पर आपसे संपर्क किया जा सकता है।
  • स्पष्ट रूप से उल्लंघन किए जाने वाले कॉपीराइट किए गए काम की पहचान करें।
  • स्पष्ट रूप से उस सामग्री की पहचान करें जो उल्लंघन करने और सूचनाओं का उल्लंघन करने का दावा किया जाता है ताकि हमें सामग्री का पता लगाने की अनुमति मिल सके।

  हम कॉर्पस की अगली रिलीज से प्रभावित स्रोतों को हटाकर वैध अनुरोधों का पालन करेंगे।

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_br

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_br')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किए जाते हैं, हमारे पास कोई भी पाठ नहीं है जहां से ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित") के तहत इन आंकड़ों की वास्तविक पैकेजिंग को लाइसेंस देते हैं, http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव हो, INRIA ने सभी कॉपीराइट और संबंधित या संबंधित या संबंधित हैं। ऑस्कर के लिए पड़ोसी अधिकार इस काम से प्रकाशित किया गया है: फ्रांस।

  क्या आपको इस बात पर विचार करना चाहिए कि हमारे डेटा में ऐसी सामग्री है जो आपके स्वामित्व वाली है और इसलिए इसे यहां पुन: पेश नहीं किया जाना चाहिए, कृपया:

  • स्पष्ट रूप से अपने आप को पहचानें, विस्तृत संपर्क डेटा जैसे कि एक पता, टेलीफोन नंबर या ईमेल पता जिस पर आपसे संपर्क किया जा सकता है।
  • स्पष्ट रूप से उल्लंघन किए जाने वाले कॉपीराइट किए गए काम की पहचान करें।
  • स्पष्ट रूप से उस सामग्री की पहचान करें जो उल्लंघन करने और सूचनाओं का उल्लंघन करने का दावा किया जाता है ताकि हमें सामग्री का पता लगाने की अनुमति मिल सके।

  हम कॉर्पस की अगली रिलीज से प्रभावित स्रोतों को हटाकर वैध अनुरोधों का पालन करेंगे।

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_cbk

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_cbk')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किए जाते हैं, हमारे पास कोई भी पाठ नहीं है जहां से ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित") के तहत इन आंकड़ों की वास्तविक पैकेजिंग को लाइसेंस देते हैं, http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव हो, INRIA ने सभी कॉपीराइट और संबंधित या संबंधित या संबंधित हैं। ऑस्कर के लिए पड़ोसी अधिकार इस काम से प्रकाशित किया गया है: फ्रांस।

  क्या आपको इस बात पर विचार करना चाहिए कि हमारे डेटा में ऐसी सामग्री है जो आपके स्वामित्व वाली है और इसलिए इसे यहां पुन: पेश नहीं किया जाना चाहिए, कृपया:

  • स्पष्ट रूप से अपने आप को पहचानें, विस्तृत संपर्क डेटा जैसे कि एक पता, टेलीफोन नंबर या ईमेल पता जिस पर आपसे संपर्क किया जा सकता है।
  • स्पष्ट रूप से उल्लंघन किए जाने वाले कॉपीराइट किए गए काम की पहचान करें।
  • स्पष्ट रूप से उस सामग्री की पहचान करें जो उल्लंघन करने और सूचनाओं का उल्लंघन करने का दावा किया जाता है ताकि हमें सामग्री का पता लगाने की अनुमति मिल सके।

  हम कॉर्पस की अगली रिलीज से प्रभावित स्रोतों को हटाकर वैध अनुरोधों का पालन करेंगे।

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_da

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_da')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किए जाते हैं, हमारे पास कोई भी पाठ नहीं है जहां से ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित") के तहत इन आंकड़ों की वास्तविक पैकेजिंग को लाइसेंस देते हैं, http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव हो, INRIA ने सभी कॉपीराइट और संबंधित या संबंधित या संबंधित हैं। ऑस्कर के लिए पड़ोसी अधिकार इस काम से प्रकाशित किया गया है: फ्रांस।

  क्या आपको इस बात पर विचार करना चाहिए कि हमारे डेटा में ऐसी सामग्री है जो आपके स्वामित्व वाली है और इसलिए इसे यहां पुन: पेश नहीं किया जाना चाहिए, कृपया:

  • स्पष्ट रूप से अपने आप को पहचानें, विस्तृत संपर्क डेटा जैसे कि एक पता, टेलीफोन नंबर या ईमेल पता जिस पर आपसे संपर्क किया जा सकता है।
  • स्पष्ट रूप से उल्लंघन किए जाने वाले कॉपीराइट किए गए काम की पहचान करें।
  • स्पष्ट रूप से उस सामग्री की पहचान करें जो उल्लंघन करने और सूचनाओं का उल्लंघन करने का दावा किया जाता है ताकि हमें सामग्री का पता लगाने की अनुमति मिल सके।

  हम कॉर्पस की अगली रिलीज से प्रभावित स्रोतों को हटाकर वैध अनुरोधों का पालन करेंगे।

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_dv

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_dv')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किए जाते हैं, हमारे पास कोई भी पाठ नहीं है जहां से ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित") के तहत इन आंकड़ों की वास्तविक पैकेजिंग को लाइसेंस देते हैं, http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव हो, INRIA ने सभी कॉपीराइट और संबंधित या संबंधित या संबंधित हैं। ऑस्कर के लिए पड़ोसी अधिकार इस काम से प्रकाशित किया गया है: फ्रांस।

  क्या आपको इस बात पर विचार करना चाहिए कि हमारे डेटा में ऐसी सामग्री है जो आपके स्वामित्व वाली है और इसलिए इसे यहां पुन: पेश नहीं किया जाना चाहिए, कृपया:

  • स्पष्ट रूप से अपने आप को पहचानें, विस्तृत संपर्क डेटा जैसे कि एक पता, टेलीफोन नंबर या ईमेल पता जिस पर आपसे संपर्क किया जा सकता है।
  • स्पष्ट रूप से उल्लंघन किए जाने वाले कॉपीराइट किए गए काम की पहचान करें।
  • स्पष्ट रूप से उस सामग्री की पहचान करें जो उल्लंघन करने और सूचनाओं का उल्लंघन करने का दावा किया जाता है ताकि हमें सामग्री का पता लगाने की अनुमति मिल सके।

  हम कॉर्पस की अगली रिलीज से प्रभावित स्रोतों को हटाकर वैध अनुरोधों का पालन करेंगे।

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_eo

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_eo')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किए जाते हैं, हमारे पास कोई भी पाठ नहीं है जहां से ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित") के तहत इन आंकड़ों की वास्तविक पैकेजिंग को लाइसेंस देते हैं, http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव हो, INRIA ने सभी कॉपीराइट और संबंधित या संबंधित या संबंधित हैं। ऑस्कर के लिए पड़ोसी अधिकार इस काम से प्रकाशित किया गया है: फ्रांस।

  क्या आपको इस बात पर विचार करना चाहिए कि हमारे डेटा में ऐसी सामग्री है जो आपके स्वामित्व वाली है और इसलिए इसे यहां पुन: पेश नहीं किया जाना चाहिए, कृपया:

  • स्पष्ट रूप से अपने आप को पहचानें, विस्तृत संपर्क डेटा जैसे कि एक पता, टेलीफोन नंबर या ईमेल पता जिस पर आपसे संपर्क किया जा सकता है।
  • स्पष्ट रूप से उल्लंघन किए जाने वाले कॉपीराइट किए गए काम की पहचान करें।
  • स्पष्ट रूप से उस सामग्री की पहचान करें जो उल्लंघन करने और सूचनाओं का उल्लंघन करने का दावा किया जाता है ताकि हमें सामग्री का पता लगाने की अनुमति मिल सके।

  हम कॉर्पस की अगली रिलीज से प्रभावित स्रोतों को हटाकर वैध अनुरोधों का पालन करेंगे।

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_fa

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_fa')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किए जाते हैं, हमारे पास कोई भी पाठ नहीं है जहां से ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित") के तहत इन आंकड़ों की वास्तविक पैकेजिंग को लाइसेंस देते हैं, http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव हो, INRIA ने सभी कॉपीराइट और संबंधित या संबंधित या संबंधित हैं। ऑस्कर के लिए पड़ोसी अधिकार इस काम से प्रकाशित किया गया है: फ्रांस।

  क्या आपको इस बात पर विचार करना चाहिए कि हमारे डेटा में ऐसी सामग्री है जो आपके स्वामित्व वाली है और इसलिए इसे यहां पुन: पेश नहीं किया जाना चाहिए, कृपया:

  • स्पष्ट रूप से अपने आप को पहचानें, विस्तृत संपर्क डेटा जैसे कि एक पता, टेलीफोन नंबर या ईमेल पता जिस पर आपसे संपर्क किया जा सकता है।
  • स्पष्ट रूप से उल्लंघन किए जाने वाले कॉपीराइट किए गए काम की पहचान करें।
  • स्पष्ट रूप से उस सामग्री की पहचान करें जो उल्लंघन करने और सूचनाओं का उल्लंघन करने का दावा किया जाता है ताकि हमें सामग्री का पता लगाने की अनुमति मिल सके।

  हम कॉर्पस की अगली रिलीज से प्रभावित स्रोतों को हटाकर वैध अनुरोधों का पालन करेंगे।

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_fy

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_fy')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किए जाते हैं, हमारे पास कोई भी पाठ नहीं है जहां से ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित") के तहत इन आंकड़ों की वास्तविक पैकेजिंग को लाइसेंस देते हैं, http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव हो, INRIA ने सभी कॉपीराइट और संबंधित या संबंधित या संबंधित हैं। ऑस्कर के लिए पड़ोसी अधिकार इस काम से प्रकाशित किया गया है: फ्रांस।

  क्या आपको इस बात पर विचार करना चाहिए कि हमारे डेटा में ऐसी सामग्री है जो आपके स्वामित्व वाली है और इसलिए इसे यहां पुन: पेश नहीं किया जाना चाहिए, कृपया:

  • स्पष्ट रूप से अपने आप को पहचानें, विस्तृत संपर्क डेटा जैसे कि एक पता, टेलीफोन नंबर या ईमेल पता जिस पर आपसे संपर्क किया जा सकता है।
  • स्पष्ट रूप से उल्लंघन किए जाने वाले कॉपीराइट किए गए काम की पहचान करें।
  • स्पष्ट रूप से उस सामग्री की पहचान करें जो उल्लंघन करने और सूचनाओं का उल्लंघन करने का दावा किया जाता है ताकि हमें सामग्री का पता लगाने की अनुमति मिल सके।

  हम कॉर्पस की अगली रिलीज से प्रभावित स्रोतों को हटाकर वैध अनुरोधों का पालन करेंगे।

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_gn

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_gn')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किए जाते हैं, हमारे पास कोई भी पाठ नहीं है जहां से ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित") के तहत इन आंकड़ों की वास्तविक पैकेजिंग को लाइसेंस देते हैं, http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव हो, INRIA ने सभी कॉपीराइट और संबंधित या संबंधित या संबंधित हैं। ऑस्कर के लिए पड़ोसी अधिकार इस काम से प्रकाशित किया गया है: फ्रांस।

  क्या आपको इस बात पर विचार करना चाहिए कि हमारे डेटा में ऐसी सामग्री है जो आपके स्वामित्व वाली है और इसलिए इसे यहां पुन: पेश नहीं किया जाना चाहिए, कृपया:

  • स्पष्ट रूप से अपने आप को पहचानें, विस्तृत संपर्क डेटा जैसे कि एक पता, टेलीफोन नंबर या ईमेल पता जिस पर आपसे संपर्क किया जा सकता है।
  • स्पष्ट रूप से उल्लंघन किए जाने वाले कॉपीराइट किए गए काम की पहचान करें।
  • स्पष्ट रूप से उस सामग्री की पहचान करें जो उल्लंघन करने और सूचनाओं का उल्लंघन करने का दावा किया जाता है ताकि हमें सामग्री का पता लगाने की अनुमति मिल सके।

  हम कॉर्पस की अगली रिलीज से प्रभावित स्रोतों को हटाकर वैध अनुरोधों का पालन करेंगे।

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_cs

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_cs')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किए जाते हैं, हमारे पास कोई भी पाठ नहीं है जहां से ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित") के तहत इन आंकड़ों की वास्तविक पैकेजिंग को लाइसेंस देते हैं, http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव हो, INRIA ने सभी कॉपीराइट और संबंधित या संबंधित या संबंधित हैं। ऑस्कर के लिए पड़ोसी अधिकार इस काम से प्रकाशित किया गया है: फ्रांस।

  क्या आपको इस बात पर विचार करना चाहिए कि हमारे डेटा में ऐसी सामग्री है जो आपके स्वामित्व वाली है और इसलिए इसे यहां पुन: पेश नहीं किया जाना चाहिए, कृपया:

  • स्पष्ट रूप से अपने आप को पहचानें, विस्तृत संपर्क डेटा जैसे कि एक पता, टेलीफोन नंबर या ईमेल पता जिस पर आपसे संपर्क किया जा सकता है।
  • स्पष्ट रूप से उल्लंघन किए जाने वाले कॉपीराइट किए गए काम की पहचान करें।
  • स्पष्ट रूप से उस सामग्री की पहचान करें जो उल्लंघन करने और सूचनाओं का उल्लंघन करने का दावा किया जाता है ताकि हमें सामग्री का पता लगाने की अनुमति मिल सके।

  हम कॉर्पस की अगली रिलीज से प्रभावित स्रोतों को हटाकर वैध अनुरोधों का पालन करेंगे।

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_hi

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_hi')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किए जाते हैं, हमारे पास कोई भी पाठ नहीं है जहां से ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित") के तहत इन आंकड़ों की वास्तविक पैकेजिंग को लाइसेंस देते हैं, http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव हो, INRIA ने सभी कॉपीराइट और संबंधित या संबंधित या संबंधित हैं। ऑस्कर के लिए पड़ोसी अधिकार इस काम से प्रकाशित किया गया है: फ्रांस।

  क्या आपको इस बात पर विचार करना चाहिए कि हमारे डेटा में ऐसी सामग्री है जो आपके स्वामित्व वाली है और इसलिए इसे यहां पुन: पेश नहीं किया जाना चाहिए, कृपया:

  • स्पष्ट रूप से अपने आप को पहचानें, विस्तृत संपर्क डेटा जैसे कि एक पता, टेलीफोन नंबर या ईमेल पता जिस पर आपसे संपर्क किया जा सकता है।
  • स्पष्ट रूप से उल्लंघन किए जाने वाले कॉपीराइट किए गए काम की पहचान करें।
  • स्पष्ट रूप से उस सामग्री की पहचान करें जो उल्लंघन करने और सूचनाओं का उल्लंघन करने का दावा किया जाता है ताकि हमें सामग्री का पता लगाने की अनुमति मिल सके।

  हम कॉर्पस की अगली रिलीज से प्रभावित स्रोतों को हटाकर वैध अनुरोधों का पालन करेंगे।

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_hu

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_hu')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किए जाते हैं, हमारे पास कोई भी पाठ नहीं है जहां से ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित") के तहत इन आंकड़ों की वास्तविक पैकेजिंग को लाइसेंस देते हैं, http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव हो, INRIA ने सभी कॉपीराइट और संबंधित या संबंधित या संबंधित हैं। ऑस्कर के लिए पड़ोसी अधिकार इस काम से प्रकाशित किया गया है: फ्रांस।

  क्या आपको इस बात पर विचार करना चाहिए कि हमारे डेटा में ऐसी सामग्री है जो आपके स्वामित्व वाली है और इसलिए इसे यहां पुन: पेश नहीं किया जाना चाहिए, कृपया:

  • स्पष्ट रूप से अपने आप को पहचानें, विस्तृत संपर्क डेटा जैसे कि एक पता, टेलीफोन नंबर या ईमेल पता जिस पर आपसे संपर्क किया जा सकता है।
  • स्पष्ट रूप से उल्लंघन किए जाने वाले कॉपीराइट किए गए काम की पहचान करें।
  • स्पष्ट रूप से उस सामग्री की पहचान करें जो उल्लंघन करने और सूचनाओं का उल्लंघन करने का दावा किया जाता है ताकि हमें सामग्री का पता लगाने की अनुमति मिल सके।

  हम कॉर्पस की अगली रिलीज से प्रभावित स्रोतों को हटाकर वैध अनुरोधों का पालन करेंगे।

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_ie

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ie')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किए जाते हैं, हमारे पास कोई भी पाठ नहीं है जहां से ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित") के तहत इन आंकड़ों की वास्तविक पैकेजिंग को लाइसेंस देते हैं, http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव हो, INRIA ने सभी कॉपीराइट और संबंधित या संबंधित या संबंधित हैं। ऑस्कर के लिए पड़ोसी अधिकार इस काम से प्रकाशित किया गया है: फ्रांस।

  क्या आपको इस बात पर विचार करना चाहिए कि हमारे डेटा में ऐसी सामग्री है जो आपके स्वामित्व वाली है और इसलिए इसे यहां पुन: पेश नहीं किया जाना चाहिए, कृपया:

  • स्पष्ट रूप से अपने आप को पहचानें, विस्तृत संपर्क डेटा जैसे कि एक पता, टेलीफोन नंबर या ईमेल पता जिस पर आपसे संपर्क किया जा सकता है।
  • स्पष्ट रूप से उल्लंघन किए जाने वाले कॉपीराइट किए गए काम की पहचान करें।
  • स्पष्ट रूप से उस सामग्री की पहचान करें जो उल्लंघन करने और सूचनाओं का उल्लंघन करने का दावा किया जाता है ताकि हमें सामग्री का पता लगाने की अनुमति मिल सके।

  हम कॉर्पस की अगली रिलीज से प्रभावित स्रोतों को हटाकर वैध अनुरोधों का पालन करेंगे।

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_fr

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_fr')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किए जाते हैं, हमारे पास कोई भी पाठ नहीं है जहां से ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित") के तहत इन आंकड़ों की वास्तविक पैकेजिंग को लाइसेंस देते हैं, http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव हो, INRIA ने सभी कॉपीराइट और संबंधित या संबंधित या संबंधित हैं। ऑस्कर के लिए पड़ोसी अधिकार इस काम से प्रकाशित किया गया है: फ्रांस।

  क्या आपको इस बात पर विचार करना चाहिए कि हमारे डेटा में ऐसी सामग्री है जो आपके स्वामित्व वाली है और इसलिए इसे यहां पुन: पेश नहीं किया जाना चाहिए, कृपया:

  • स्पष्ट रूप से अपने आप को पहचानें, विस्तृत संपर्क डेटा जैसे कि एक पता, टेलीफोन नंबर या ईमेल पता जिस पर आपसे संपर्क किया जा सकता है।
  • स्पष्ट रूप से उल्लंघन किए जाने वाले कॉपीराइट किए गए काम की पहचान करें।
  • स्पष्ट रूप से उस सामग्री की पहचान करें जो उल्लंघन करने और सूचनाओं का उल्लंघन करने का दावा किया जाता है ताकि हमें सामग्री का पता लगाने की अनुमति मिल सके।

  हम कॉर्पस की अगली रिलीज से प्रभावित स्रोतों को हटाकर वैध अनुरोधों का पालन करेंगे।

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_gd

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_gd')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किए जाते हैं, हमारे पास कोई भी पाठ नहीं है जहां से ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित") के तहत इन आंकड़ों की वास्तविक पैकेजिंग को लाइसेंस देते हैं, http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव हो, INRIA ने सभी कॉपीराइट और संबंधित या संबंधित या संबंधित हैं। ऑस्कर के लिए पड़ोसी अधिकार इस काम से प्रकाशित किया गया है: फ्रांस।

  क्या आपको इस बात पर विचार करना चाहिए कि हमारे डेटा में ऐसी सामग्री है जो आपके स्वामित्व वाली है और इसलिए इसे यहां पुन: पेश नहीं किया जाना चाहिए, कृपया:

  • स्पष्ट रूप से अपने आप को पहचानें, विस्तृत संपर्क डेटा जैसे कि एक पता, टेलीफोन नंबर या ईमेल पता जिस पर आपसे संपर्क किया जा सकता है।
  • स्पष्ट रूप से उल्लंघन किए जाने वाले कॉपीराइट किए गए काम की पहचान करें।
  • स्पष्ट रूप से उस सामग्री की पहचान करें जो उल्लंघन करने और सूचनाओं का उल्लंघन करने का दावा किया जाता है ताकि हमें सामग्री का पता लगाने की अनुमति मिल सके।

  हम कॉर्पस की अगली रिलीज से प्रभावित स्रोतों को हटाकर वैध अनुरोधों का पालन करेंगे।

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_gu

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_gu')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किए जाते हैं, हमारे पास कोई भी पाठ नहीं है जहां से ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित") के तहत इन आंकड़ों की वास्तविक पैकेजिंग को लाइसेंस देते हैं, http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव हो, INRIA ने सभी कॉपीराइट और संबंधित या संबंधित या संबंधित हैं। ऑस्कर के लिए पड़ोसी अधिकार इस काम से प्रकाशित किया गया है: फ्रांस।

  क्या आपको इस बात पर विचार करना चाहिए कि हमारे डेटा में ऐसी सामग्री है जो आपके स्वामित्व वाली है और इसलिए इसे यहां पुन: पेश नहीं किया जाना चाहिए, कृपया:

  • स्पष्ट रूप से अपने आप को पहचानें, विस्तृत संपर्क डेटा जैसे कि एक पता, टेलीफोन नंबर या ईमेल पता जिस पर आपसे संपर्क किया जा सकता है।
  • स्पष्ट रूप से उल्लंघन किए जाने वाले कॉपीराइट किए गए काम की पहचान करें।
  • स्पष्ट रूप से उस सामग्री की पहचान करें जो उल्लंघन करने और सूचनाओं का उल्लंघन करने का दावा किया जाता है ताकि हमें सामग्री का पता लगाने की अनुमति मिल सके।

  हम कॉर्पस की अगली रिलीज से प्रभावित स्रोतों को हटाकर वैध अनुरोधों का पालन करेंगे।

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_hsb

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_hsb')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किए जाते हैं, हमारे पास कोई भी पाठ नहीं है जहां से ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित") के तहत इन आंकड़ों की वास्तविक पैकेजिंग को लाइसेंस देते हैं, http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव हो, INRIA ने सभी कॉपीराइट और संबंधित या संबंधित या संबंधित हैं। ऑस्कर के लिए पड़ोसी अधिकार इस काम से प्रकाशित किया गया है: फ्रांस।

  क्या आपको इस बात पर विचार करना चाहिए कि हमारे डेटा में ऐसी सामग्री है जो आपके स्वामित्व वाली है और इसलिए इसे यहां पुन: पेश नहीं किया जाना चाहिए, कृपया:

  • स्पष्ट रूप से अपने आप को पहचानें, विस्तृत संपर्क डेटा जैसे कि एक पता, टेलीफोन नंबर या ईमेल पता जिस पर आपसे संपर्क किया जा सकता है।
  • स्पष्ट रूप से उल्लंघन किए जाने वाले कॉपीराइट किए गए काम की पहचान करें।
  • स्पष्ट रूप से उस सामग्री की पहचान करें जो उल्लंघन करने और सूचनाओं का उल्लंघन करने का दावा किया जाता है ताकि हमें सामग्री का पता लगाने की अनुमति मिल सके।

  हम कॉर्पस की अगली रिलीज से प्रभावित स्रोतों को हटाकर वैध अनुरोधों का पालन करेंगे।

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_ia

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ia')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किए जाते हैं, हमारे पास कोई भी पाठ नहीं है जहां से ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित") के तहत इन आंकड़ों की वास्तविक पैकेजिंग को लाइसेंस देते हैं, http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव हो, INRIA ने सभी कॉपीराइट और संबंधित या संबंधित या संबंधित हैं। ऑस्कर के लिए पड़ोसी अधिकार इस काम से प्रकाशित किया गया है: फ्रांस।

  क्या आपको इस बात पर विचार करना चाहिए कि हमारे डेटा में ऐसी सामग्री है जो आपके स्वामित्व वाली है और इसलिए इसे यहां पुन: पेश नहीं किया जाना चाहिए, कृपया:

  • स्पष्ट रूप से अपने आप को पहचानें, विस्तृत संपर्क डेटा जैसे कि एक पता, टेलीफोन नंबर या ईमेल पता जिस पर आपसे संपर्क किया जा सकता है।
  • स्पष्ट रूप से उल्लंघन किए जाने वाले कॉपीराइट किए गए काम की पहचान करें।
  • स्पष्ट रूप से उस सामग्री की पहचान करें जो उल्लंघन करने और सूचनाओं का उल्लंघन करने का दावा किया जाता है ताकि हमें सामग्री का पता लगाने की अनुमति मिल सके।

  हम कॉर्पस की अगली रिलीज से प्रभावित स्रोतों को हटाकर वैध अनुरोधों का पालन करेंगे।

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_io

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_io')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किए जाते हैं, हमारे पास कोई भी पाठ नहीं है जहां से ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित") के तहत इन आंकड़ों की वास्तविक पैकेजिंग को लाइसेंस देते हैं, http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव हो, INRIA ने सभी कॉपीराइट और संबंधित या संबंधित या संबंधित हैं। ऑस्कर के लिए पड़ोसी अधिकार इस काम से प्रकाशित किया गया है: फ्रांस।

  क्या आपको इस बात पर विचार करना चाहिए कि हमारे डेटा में ऐसी सामग्री है जो आपके स्वामित्व वाली है और इसलिए इसे यहां पुन: पेश नहीं किया जाना चाहिए, कृपया:

  • स्पष्ट रूप से अपने आप को पहचानें, विस्तृत संपर्क डेटा जैसे कि एक पता, टेलीफोन नंबर या ईमेल पता जिस पर आपसे संपर्क किया जा सकता है।
  • स्पष्ट रूप से उल्लंघन किए जाने वाले कॉपीराइट किए गए काम की पहचान करें।
  • स्पष्ट रूप से उस सामग्री की पहचान करें जो उल्लंघन करने और सूचनाओं का उल्लंघन करने का दावा किया जाता है ताकि हमें सामग्री का पता लगाने की अनुमति मिल सके।

  हम कॉर्पस की अगली रिलीज से प्रभावित स्रोतों को हटाकर वैध अनुरोधों का पालन करेंगे।

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_jbo

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_jbo')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किए जाते हैं, हमारे पास कोई भी पाठ नहीं है जहां से ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित") के तहत इन आंकड़ों की वास्तविक पैकेजिंग को लाइसेंस देते हैं, http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव हो, INRIA ने सभी कॉपीराइट और संबंधित या संबंधित या संबंधित हैं। ऑस्कर के लिए पड़ोसी अधिकार इस काम से प्रकाशित किया गया है: फ्रांस।

  क्या आपको इस बात पर विचार करना चाहिए कि हमारे डेटा में ऐसी सामग्री है जो आपके स्वामित्व वाली है और इसलिए इसे यहां पुन: पेश नहीं किया जाना चाहिए, कृपया:

  • स्पष्ट रूप से अपने आप को पहचानें, विस्तृत संपर्क डेटा जैसे कि एक पता, टेलीफोन नंबर या ईमेल पता जिस पर आपसे संपर्क किया जा सकता है।
  • स्पष्ट रूप से उल्लंघन किए जाने वाले कॉपीराइट किए गए काम की पहचान करें।
  • स्पष्ट रूप से उस सामग्री की पहचान करें जो उल्लंघन करने और सूचनाओं का उल्लंघन करने का दावा किया जाता है ताकि हमें सामग्री का पता लगाने की अनुमति मिल सके।

  हम कॉर्पस की अगली रिलीज से प्रभावित स्रोतों को हटाकर वैध अनुरोधों का पालन करेंगे।

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_km

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_km')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किए जाते हैं, हमारे पास कोई भी पाठ नहीं है जहां से ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित") के तहत इन आंकड़ों की वास्तविक पैकेजिंग को लाइसेंस देते हैं, http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव हो, INRIA ने सभी कॉपीराइट और संबंधित या संबंधित या संबंधित हैं। ऑस्कर के लिए पड़ोसी अधिकार इस काम से प्रकाशित किया गया है: फ्रांस।

  क्या आपको इस बात पर विचार करना चाहिए कि हमारे डेटा में ऐसी सामग्री है जो आपके स्वामित्व वाली है और इसलिए इसे यहां पुन: पेश नहीं किया जाना चाहिए, कृपया:

  • स्पष्ट रूप से अपने आप को पहचानें, विस्तृत संपर्क डेटा जैसे कि एक पता, टेलीफोन नंबर या ईमेल पता जिस पर आपसे संपर्क किया जा सकता है।
  • स्पष्ट रूप से उल्लंघन किए जाने वाले कॉपीराइट किए गए काम की पहचान करें।
  • स्पष्ट रूप से उस सामग्री की पहचान करें जो उल्लंघन करने और सूचनाओं का उल्लंघन करने का दावा किया जाता है ताकि हमें सामग्री का पता लगाने की अनुमति मिल सके।

  हम कॉर्पस की अगली रिलीज से प्रभावित स्रोतों को हटाकर वैध अनुरोधों का पालन करेंगे।

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_ku

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ku')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किए जाते हैं, हमारे पास कोई भी पाठ नहीं है जहां से ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित") के तहत इन आंकड़ों की वास्तविक पैकेजिंग को लाइसेंस देते हैं, http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव हो, INRIA ने सभी कॉपीराइट और संबंधित या संबंधित या संबंधित हैं। ऑस्कर के लिए पड़ोसी अधिकार इस काम से प्रकाशित किया गया है: फ्रांस।

  क्या आपको इस बात पर विचार करना चाहिए कि हमारे डेटा में ऐसी सामग्री है जो आपके स्वामित्व वाली है और इसलिए इसे यहां पुन: पेश नहीं किया जाना चाहिए, कृपया:

  • स्पष्ट रूप से अपने आप को पहचानें, विस्तृत संपर्क डेटा जैसे कि एक पता, टेलीफोन नंबर या ईमेल पता जिस पर आपसे संपर्क किया जा सकता है।
  • स्पष्ट रूप से उल्लंघन किए जाने वाले कॉपीराइट किए गए काम की पहचान करें।
  • स्पष्ट रूप से उस सामग्री की पहचान करें जो उल्लंघन करने और सूचनाओं का उल्लंघन करने का दावा किया जाता है ताकि हमें सामग्री का पता लगाने की अनुमति मिल सके।

  हम कॉर्पस की अगली रिलीज से प्रभावित स्रोतों को हटाकर वैध अनुरोधों का पालन करेंगे।

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_la

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_la')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किए जाते हैं, हमारे पास कोई भी पाठ नहीं है जहां से ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित") के तहत इन आंकड़ों की वास्तविक पैकेजिंग को लाइसेंस देते हैं, http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव हो, INRIA ने सभी कॉपीराइट और संबंधित या संबंधित या संबंधित हैं। ऑस्कर के लिए पड़ोसी अधिकार इस काम से प्रकाशित किया गया है: फ्रांस।

  क्या आपको इस बात पर विचार करना चाहिए कि हमारे डेटा में ऐसी सामग्री है जो आपके स्वामित्व वाली है और इसलिए इसे यहां पुन: पेश नहीं किया जाना चाहिए, कृपया:

  • स्पष्ट रूप से अपने आप को पहचानें, विस्तृत संपर्क डेटा जैसे कि एक पता, टेलीफोन नंबर या ईमेल पता जिस पर आपसे संपर्क किया जा सकता है।
  • स्पष्ट रूप से उल्लंघन किए जाने वाले कॉपीराइट किए गए काम की पहचान करें।
  • स्पष्ट रूप से उस सामग्री की पहचान करें जो उल्लंघन करने और सूचनाओं का उल्लंघन करने का दावा किया जाता है ताकि हमें सामग्री का पता लगाने की अनुमति मिल सके।

  हम कॉर्पस की अगली रिलीज से प्रभावित स्रोतों को हटाकर वैध अनुरोधों का पालन करेंगे।

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_lmo

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_lmo')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किए जाते हैं, हमारे पास कोई भी पाठ नहीं है जहां से ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित") के तहत इन आंकड़ों की वास्तविक पैकेजिंग को लाइसेंस देते हैं, http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव हो, INRIA ने सभी कॉपीराइट और संबंधित या संबंधित या संबंधित हैं। ऑस्कर के लिए पड़ोसी अधिकार इस काम से प्रकाशित किया गया है: फ्रांस।

  क्या आपको इस बात पर विचार करना चाहिए कि हमारे डेटा में ऐसी सामग्री है जो आपके स्वामित्व वाली है और इसलिए इसे यहां पुन: पेश नहीं किया जाना चाहिए, कृपया:

  • स्पष्ट रूप से अपने आप को पहचानें, विस्तृत संपर्क डेटा जैसे कि एक पता, टेलीफोन नंबर या ईमेल पता जिस पर आपसे संपर्क किया जा सकता है।
  • स्पष्ट रूप से उल्लंघन किए जाने वाले कॉपीराइट किए गए काम की पहचान करें।
  • स्पष्ट रूप से उस सामग्री की पहचान करें जो उल्लंघन करने और सूचनाओं का उल्लंघन करने का दावा किया जाता है ताकि हमें सामग्री का पता लगाने की अनुमति मिल सके।

  हम कॉर्पस की अगली रिलीज से प्रभावित स्रोतों को हटाकर वैध अनुरोधों का पालन करेंगे।

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_lv

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_lv')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किए जाते हैं, हमारे पास कोई भी पाठ नहीं है जहां से ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित") के तहत इन आंकड़ों की वास्तविक पैकेजिंग को लाइसेंस देते हैं, http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव हो, INRIA ने सभी कॉपीराइट और संबंधित या संबंधित या संबंधित हैं। ऑस्कर के लिए पड़ोसी अधिकार इस काम से प्रकाशित किया गया है: फ्रांस।

  क्या आपको इस बात पर विचार करना चाहिए कि हमारे डेटा में ऐसी सामग्री है जो आपके स्वामित्व वाली है और इसलिए इसे यहां पुन: पेश नहीं किया जाना चाहिए, कृपया:

  • स्पष्ट रूप से अपने आप को पहचानें, विस्तृत संपर्क डेटा जैसे कि एक पता, टेलीफोन नंबर या ईमेल पता जिस पर आपसे संपर्क किया जा सकता है।
  • स्पष्ट रूप से उल्लंघन किए जाने वाले कॉपीराइट किए गए काम की पहचान करें।
  • स्पष्ट रूप से उस सामग्री की पहचान करें जो उल्लंघन करने और सूचनाओं का उल्लंघन करने का दावा किया जाता है ताकि हमें सामग्री का पता लगाने की अनुमति मिल सके।

  हम कॉर्पस की अगली रिलीज से प्रभावित स्रोतों को हटाकर वैध अनुरोधों का पालन करेंगे।

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_min

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_min')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किए जाते हैं, हमारे पास कोई भी पाठ नहीं है जहां से ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित") के तहत इन आंकड़ों की वास्तविक पैकेजिंग को लाइसेंस देते हैं, http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव हो, INRIA ने सभी कॉपीराइट और संबंधित या संबंधित या संबंधित हैं। ऑस्कर के लिए पड़ोसी अधिकार इस काम से प्रकाशित किया गया है: फ्रांस।

  क्या आपको इस बात पर विचार करना चाहिए कि हमारे डेटा में ऐसी सामग्री है जो आपके स्वामित्व वाली है और इसलिए इसे यहां पुन: पेश नहीं किया जाना चाहिए, कृपया:

  • स्पष्ट रूप से अपने आप को पहचानें, विस्तृत संपर्क डेटा जैसे कि एक पता, टेलीफोन नंबर या ईमेल पता जिस पर आपसे संपर्क किया जा सकता है।
  • स्पष्ट रूप से उल्लंघन किए जाने वाले कॉपीराइट किए गए काम की पहचान करें।
  • स्पष्ट रूप से उस सामग्री की पहचान करें जो उल्लंघन करने और सूचनाओं का उल्लंघन करने का दावा किया जाता है ताकि हमें सामग्री का पता लगाने की अनुमति मिल सके।

  हम कॉर्पस की अगली रिलीज से प्रभावित स्रोतों को हटाकर वैध अनुरोधों का पालन करेंगे।

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_mr

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_mr')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किए जाते हैं, हमारे पास कोई भी पाठ नहीं है जहां से ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित") के तहत इन आंकड़ों की वास्तविक पैकेजिंग को लाइसेंस देते हैं, http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव हो, INRIA ने सभी कॉपीराइट और संबंधित या संबंधित या संबंधित हैं। ऑस्कर के लिए पड़ोसी अधिकार इस काम से प्रकाशित किया गया है: फ्रांस।

  क्या आपको इस बात पर विचार करना चाहिए कि हमारे डेटा में ऐसी सामग्री है जो आपके स्वामित्व वाली है और इसलिए इसे यहां पुन: पेश नहीं किया जाना चाहिए, कृपया:

  • स्पष्ट रूप से अपने आप को पहचानें, विस्तृत संपर्क डेटा जैसे कि एक पता, टेलीफोन नंबर या ईमेल पता जिस पर आपसे संपर्क किया जा सकता है।
  • स्पष्ट रूप से उल्लंघन किए जाने वाले कॉपीराइट किए गए काम की पहचान करें।
  • स्पष्ट रूप से उस सामग्री की पहचान करें जो उल्लंघन करने और सूचनाओं का उल्लंघन करने का दावा किया जाता है ताकि हमें सामग्री का पता लगाने की अनुमति मिल सके।

  हम कॉर्पस की अगली रिलीज से प्रभावित स्रोतों को हटाकर वैध अनुरोधों का पालन करेंगे।

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_mwl

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_mwl')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किए जाते हैं, हमारे पास कोई भी पाठ नहीं है जहां से ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित") के तहत इन आंकड़ों की वास्तविक पैकेजिंग को लाइसेंस देते हैं, http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव हो, INRIA ने सभी कॉपीराइट और संबंधित या संबंधित या संबंधित हैं। ऑस्कर के लिए पड़ोसी अधिकार इस काम से प्रकाशित किया गया है: फ्रांस।

  क्या आपको इस बात पर विचार करना चाहिए कि हमारे डेटा में ऐसी सामग्री है जो आपके स्वामित्व वाली है और इसलिए इसे यहां पुन: पेश नहीं किया जाना चाहिए, कृपया:

  • स्पष्ट रूप से अपने आप को पहचानें, विस्तृत संपर्क डेटा जैसे कि एक पता, टेलीफोन नंबर या ईमेल पता जिस पर आपसे संपर्क किया जा सकता है।
  • स्पष्ट रूप से उल्लंघन किए जाने वाले कॉपीराइट किए गए काम की पहचान करें।
  • स्पष्ट रूप से उस सामग्री की पहचान करें जो उल्लंघन करने और सूचनाओं का उल्लंघन करने का दावा किया जाता है ताकि हमें सामग्री का पता लगाने की अनुमति मिल सके।

  हम कॉर्पस की अगली रिलीज से प्रभावित स्रोतों को हटाकर वैध अनुरोधों का पालन करेंगे।

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_nah

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_nah')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• लाइसेंस : ये डेटा इस लाइसेंसिंग योजना के तहत जारी किए जाते हैं, हमारे पास कोई भी पाठ नहीं है जहां से ये डेटा निकाला गया है। हम क्रिएटिव कॉमन्स CC0 लाइसेंस ("कोई अधिकार सुरक्षित") के तहत इन आंकड़ों की वास्तविक पैकेजिंग को लाइसेंस देते हैं, http://creativecommons.org/publicdomain/zero/1.0/ कानून के तहत संभव हो, INRIA ने सभी कॉपीराइट और संबंधित या संबंधित या संबंधित हैं। ऑस्कर के लिए पड़ोसी अधिकार इस काम से प्रकाशित किया गया है: फ्रांस।

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_new

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_new')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_oc

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_oc')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_pam

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_pam')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_ps

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ps')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_it

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_it')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_ka

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ka')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_ro

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ro')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_scn

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_scn')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_ko

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ko')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_kw

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_kw')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_lez

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_lez')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_lrc

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_lrc')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_mg

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_mg')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_ml

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ml')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_ms

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ms')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_myv

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_myv')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_nds

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_nds')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_nn

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_nn')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_os

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_os')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_pms

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_pms')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_qu

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_qu')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_sa

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_sa')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_sk

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_sk')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_sh

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_sh')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_so

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_so')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_sr

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_sr')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_ta

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ta')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_tk

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_tk')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_tyv

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_tyv')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_uz

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_uz')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_wa

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_wa')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_xmf

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_xmf')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_sv

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_sv')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_tg

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_tg')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_de

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_de')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_tr

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_tr')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_el

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_el')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_uk

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_uk')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_vi

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_vi')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_wuu

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_wuu')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_yo

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_yo')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_als

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_original_als')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_arz

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_original_arz')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_az

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_original_az')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_bcl

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_original_bcl')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_bn

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_original_bn')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_bs

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_original_bs')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_ce

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_original_ce')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_cv

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_original_cv')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_diq

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_original_diq')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_eml

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_original_eml')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_et

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_original_et')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_zh

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_zh')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_an

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_original_an')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_ast

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_original_ast')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_ba

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_original_ba')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_bg

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_original_bg')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_bpy

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_original_bpy')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_ca

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_original_ca')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_ckb

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_original_ckb')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_es

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_es')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_da

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_original_da')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_dv

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_original_dv')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_eo

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_original_eo')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• विभाजन :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_fi

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_fi')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_ga

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ga')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_gom

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_gom')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_hr

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_hr')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_hy

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_hy')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_ilo

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ilo')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_fa

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_original_fa')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_fy

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_original_fy')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_gn

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_original_gn')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_hi

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_original_hi')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_hu

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_original_hu')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• Version : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_ie

इस डेटासेट को TFDS में लोड करने के लिए निम्नलिखित कमांड का उपयोग करें:

ds = tfds.load('huggingface:oscar/unshuffled_original_ie')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• Version : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_ja

Use the following command to load this dataset in TFDS:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ja')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_kk

Use the following command to load this dataset in TFDS:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_kk')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• Version : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_krc

Use the following command to load this dataset in TFDS:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_krc')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• Version : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_ky

Use the following command to load this dataset in TFDS:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ky')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• Version : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_li

Use the following command to load this dataset in TFDS:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_li')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• Version : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_lt

Use the following command to load this dataset in TFDS:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_lt')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• Version : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_mhr

Use the following command to load this dataset in TFDS:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_mhr')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• Version : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_mn

Use the following command to load this dataset in TFDS:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_mn')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• Version : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_mt

Use the following command to load this dataset in TFDS:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_mt')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• Version : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_mzn

Use the following command to load this dataset in TFDS:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_mzn')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• Version : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_ne

Use the following command to load this dataset in TFDS:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ne')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• Version : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_no

Use the following command to load this dataset in TFDS:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_no')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• Version : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_pa

Use the following command to load this dataset in TFDS:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_pa')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• Version : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_pnb

Use the following command to load this dataset in TFDS:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_pnb')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• Version : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_rm

Use the following command to load this dataset in TFDS:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_rm')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• Version : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_sah

Use the following command to load this dataset in TFDS:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_sah')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• Version : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_si

Use the following command to load this dataset in TFDS:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_si')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• Version : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_sq

Use the following command to load this dataset in TFDS:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_sq')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• Version : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_sw

Use the following command to load this dataset in TFDS:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_sw')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• Version : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_th

Use the following command to load this dataset in TFDS:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_th')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• Version : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_tt

Use the following command to load this dataset in TFDS:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_tt')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• Version : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_ur

Use the following command to load this dataset in TFDS:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_ur')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• Version : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_vo

Use the following command to load this dataset in TFDS:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_vo')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_xal

Use the following command to load this dataset in TFDS:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_xal')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• Version : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_deduplicated_yue

Use the following command to load this dataset in TFDS:

ds = tfds.load('huggingface:oscar/unshuffled_deduplicated_yue')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• Version : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_am

Use the following command to load this dataset in TFDS:

ds = tfds.load('huggingface:oscar/unshuffled_original_am')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• Version : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_as

Use the following command to load this dataset in TFDS:

ds = tfds.load('huggingface:oscar/unshuffled_original_as')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• Version : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_azb

Use the following command to load this dataset in TFDS:

ds = tfds.load('huggingface:oscar/unshuffled_original_azb')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• Version : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_be

Use the following command to load this dataset in TFDS:

ds = tfds.load('huggingface:oscar/unshuffled_original_be')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• Version : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_bo

Use the following command to load this dataset in TFDS:

ds = tfds.load('huggingface:oscar/unshuffled_original_bo')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• Version : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_bxr

Use the following command to load this dataset in TFDS:

ds = tfds.load('huggingface:oscar/unshuffled_original_bxr')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• Version : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_ceb

Use the following command to load this dataset in TFDS:

ds = tfds.load('huggingface:oscar/unshuffled_original_ceb')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• Version : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_cy

Use the following command to load this dataset in TFDS:

ds = tfds.load('huggingface:oscar/unshuffled_original_cy')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• Version : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_dsb

Use the following command to load this dataset in TFDS:

ds = tfds.load('huggingface:oscar/unshuffled_original_dsb')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• Version : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_fr

Use the following command to load this dataset in TFDS:

ds = tfds.load('huggingface:oscar/unshuffled_original_fr')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• Version : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_gd

Use the following command to load this dataset in TFDS:

ds = tfds.load('huggingface:oscar/unshuffled_original_gd')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• Version : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_gu

Use the following command to load this dataset in TFDS:

ds = tfds.load('huggingface:oscar/unshuffled_original_gu')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• Version : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_hsb

Use the following command to load this dataset in TFDS:

ds = tfds.load('huggingface:oscar/unshuffled_original_hsb')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• Version : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_ia

Use the following command to load this dataset in TFDS:

ds = tfds.load('huggingface:oscar/unshuffled_original_ia')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• Version : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_io

Use the following command to load this dataset in TFDS:

ds = tfds.load('huggingface:oscar/unshuffled_original_io')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• Version : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_jbo

Use the following command to load this dataset in TFDS:

ds = tfds.load('huggingface:oscar/unshuffled_original_jbo')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• Version : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_km

Use the following command to load this dataset in TFDS:

ds = tfds.load('huggingface:oscar/unshuffled_original_km')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• Version : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_ku

Use the following command to load this dataset in TFDS:

ds = tfds.load('huggingface:oscar/unshuffled_original_ku')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• Version : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_la

Use the following command to load this dataset in TFDS:

ds = tfds.load('huggingface:oscar/unshuffled_original_la')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• Version : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_lmo

Use the following command to load this dataset in TFDS:

ds = tfds.load('huggingface:oscar/unshuffled_original_lmo')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• Version : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_lv

Use the following command to load this dataset in TFDS:

ds = tfds.load('huggingface:oscar/unshuffled_original_lv')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• Version : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_min

Use the following command to load this dataset in TFDS:

ds = tfds.load('huggingface:oscar/unshuffled_original_min')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• Version : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_mr

Use the following command to load this dataset in TFDS:

ds = tfds.load('huggingface:oscar/unshuffled_original_mr')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• Version : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_mwl

Use the following command to load this dataset in TFDS:

ds = tfds.load('huggingface:oscar/unshuffled_original_mwl')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• Version : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_nah

Use the following command to load this dataset in TFDS:

ds = tfds.load('huggingface:oscar/unshuffled_original_nah')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• Version : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_new

Use the following command to load this dataset in TFDS:

ds = tfds.load('huggingface:oscar/unshuffled_original_new')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• संस्करण : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_oc

Use the following command to load this dataset in TFDS:

ds = tfds.load('huggingface:oscar/unshuffled_original_oc')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• Version : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_pam

Use the following command to load this dataset in TFDS:

ds = tfds.load('huggingface:oscar/unshuffled_original_pam')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• Version : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_ps

Use the following command to load this dataset in TFDS:

ds = tfds.load('huggingface:oscar/unshuffled_original_ps')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• Version : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_ro

Use the following command to load this dataset in TFDS:

ds = tfds.load('huggingface:oscar/unshuffled_original_ro')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• Version : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_scn

Use the following command to load this dataset in TFDS:

ds = tfds.load('huggingface:oscar/unshuffled_original_scn')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• Version : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_sk

Use the following command to load this dataset in TFDS:

ds = tfds.load('huggingface:oscar/unshuffled_original_sk')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• Version : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_sr

Use the following command to load this dataset in TFDS:

ds = tfds.load('huggingface:oscar/unshuffled_original_sr')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• Version : 1.0.0

• Splits :

• विशेषताएँ :

{
    "id": {
        "dtype": "int64",
        "id": null,
        "_type": "Value"
    },
    "text": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}

unshuffled_original_ta

Use the following command to load this dataset in TFDS:

ds = tfds.load('huggingface:oscar/unshuffled_original_ta')

• विवरण :

The Open Super-large Crawled ALMAnaCH coRpus is a huge multilingual corpus obtained by language classification and filtering of the Common Crawl corpus using the goclassy architecture.

• License : These data are released under this licensing scheme We do not own any of the text from which these data has been extracted. We license the actual packaging of these data under the Creative Commons CC0 license ("no rights reserved") http://creativecommons.org/publicdomain/zero/1.0/ To the extent possible under law, Inria has waived all copyright and related or neighboring rights to OSCAR This work is published from: France.

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

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

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

• Version : 1.0.0

• Splits :