Óscar

Referencias:

• Código
• abrazando cara

unshuffled_deduplicated_af

Utilice el siguiente comando para cargar este conjunto de datos en TFDS:

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

• Descripción :

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

• Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.

  Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:

  • Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
  • Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
  • Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.

  Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.

• Versión : 1.0.0

• Divisiones :

• Características :

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

unshuffled_deduplicated_als

Utilice el siguiente comando para cargar este conjunto de datos en TFDS:

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

• Descripción :

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

• Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.

  Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:

  • Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
  • Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
  • Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.

  Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.

• Versión : 1.0.0

• Divisiones :

• Características :

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

unshuffled_deduplicated_arz

Utilice el siguiente comando para cargar este conjunto de datos en TFDS:

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

• Descripción :

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

• Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.

  Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:

  • Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
  • Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
  • Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.

  Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.

• Versión : 1.0.0

• Divisiones :

• Características :

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

unshuffled_deduplicated_an

Utilice el siguiente comando para cargar este conjunto de datos en TFDS:

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

• Descripción :

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

• Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.

  Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:

  • Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
  • Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
  • Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.

  Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.

• Versión : 1.0.0

• Divisiones :

• Características :

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

unshuffled_deduplicated_ast

Utilice el siguiente comando para cargar este conjunto de datos en TFDS:

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

• Descripción :

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

• Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.

  Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:

  • Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
  • Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
  • Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.

  Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.

• Versión : 1.0.0

• Divisiones :

• Características :

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

unshuffled_deduplicated_ba

Utilice el siguiente comando para cargar este conjunto de datos en TFDS:

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

• Descripción :

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

• Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.

  Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:

  • Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
  • Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
  • Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.

  Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.

• Versión : 1.0.0

• Divisiones :

• Características :

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

unshuffled_deduplicated_am

Utilice el siguiente comando para cargar este conjunto de datos en TFDS:

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

• Descripción :

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

• Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.

  Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:

  • Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
  • Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
  • Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.

  Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.

• Versión : 1.0.0

• Divisiones :

• Características :

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

unshuffled_deduplicated_as

Utilice el siguiente comando para cargar este conjunto de datos en TFDS:

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

• Descripción :

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

• Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.

  Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:

  • Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
  • Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
  • Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.

  Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.

• Versión : 1.0.0

• Divisiones :

• Características :

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

unshuffled_deduplicated_azb

Utilice el siguiente comando para cargar este conjunto de datos en TFDS:

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

• Descripción :

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

• Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.

  Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:

  • Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
  • Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
  • Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.

  Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.

• Versión : 1.0.0

• Divisiones :

• Características :

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

unshuffled_deduplicated_be

Utilice el siguiente comando para cargar este conjunto de datos en TFDS:

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

• Descripción :

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

• Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.

  Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:

  • Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
  • Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
  • Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.

  Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.

• Versión : 1.0.0

• Divisiones :

• Características :

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

unshuffled_deduplicated_bo

Utilice el siguiente comando para cargar este conjunto de datos en TFDS:

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

• Descripción :

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

• Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.

  Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:

  • Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
  • Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
  • Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.

  Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.

• Versión : 1.0.0

• Divisiones :

• Características :

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

unshuffled_deduplicated_bxr

Utilice el siguiente comando para cargar este conjunto de datos en TFDS:

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

• Descripción :

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

• Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.

  Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:

  • Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
  • Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
  • Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.

  Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.

• Versión : 1.0.0

• Divisiones :

• Características :

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

unshuffled_deduplicated_ceb

Utilice el siguiente comando para cargar este conjunto de datos en TFDS:

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

• Descripción :

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

• Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.

  Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:

  • Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
  • Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
  • Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.

  Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.

• Versión : 1.0.0

• Divisiones :

• Características :

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

unshuffled_deduplicated_az

Utilice el siguiente comando para cargar este conjunto de datos en TFDS:

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

• Descripción :

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

• Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.

  Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:

  • Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
  • Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
  • Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.

  Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.

• Versión : 1.0.0

• Divisiones :

• Características :

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

unshuffled_deduplicated_bcl

Utilice el siguiente comando para cargar este conjunto de datos en TFDS:

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

• Descripción :

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

• Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.

  Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:

  • Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
  • Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
  • Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.

  Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.

• Versión : 1.0.0

• Divisiones :

• Características :

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

unshuffled_deduplicated_cy

Utilice el siguiente comando para cargar este conjunto de datos en TFDS:

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

• Descripción :

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

• Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.

  Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:

  • Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
  • Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
  • Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.

  Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.

• Versión : 1.0.0

• Divisiones :

• Características :

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

unshuffled_deduplicated_dsb

Utilice el siguiente comando para cargar este conjunto de datos en TFDS:

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

• Descripción :

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

• Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.

  Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:

  • Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
  • Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
  • Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.

  Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.

• Versión : 1.0.0

• Divisiones :

• Características :

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

unshuffled_deduplicated_bn

Utilice el siguiente comando para cargar este conjunto de datos en TFDS:

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

• Descripción :

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

• Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.

  Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:

  • Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
  • Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
  • Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.

  Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.

• Versión : 1.0.0

• Divisiones :

• Características :

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

unshuffled_deduplicated_bs

Utilice el siguiente comando para cargar este conjunto de datos en TFDS:

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

• Descripción :

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

• Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.

  Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:

  • Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
  • Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
  • Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.

  Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.

• Versión : 1.0.0

• Divisiones :

• Características :

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

unshuffled_deduplicated_ce

Utilice el siguiente comando para cargar este conjunto de datos en TFDS:

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

• Descripción :

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

• Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.

  Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:

  • Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
  • Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
  • Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.

  Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.

• Versión : 1.0.0

• Divisiones :

• Características :

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

unshuffled_deduplicated_cv

Utilice el siguiente comando para cargar este conjunto de datos en TFDS:

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

• Descripción :

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

• Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.

  Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:

  • Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
  • Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
  • Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.

  Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.

• Versión : 1.0.0

• Divisiones :

• Características :

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

unshuffled_deduplicated_diq

Utilice el siguiente comando para cargar este conjunto de datos en TFDS:

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

• Descripción :

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

• Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.

  Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:

  • Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
  • Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
  • Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.

  Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.

• Versión : 1.0.0

• Divisiones :

• Características :

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

unshuffled_deduplicated_eml

Utilice el siguiente comando para cargar este conjunto de datos en TFDS:

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

• Descripción :

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

• Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.

  Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:

  • Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
  • Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
  • Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.

  Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.

• Versión : 1.0.0

• Divisiones :

• Características :

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

unshuffled_deduplicated_et

Utilice el siguiente comando para cargar este conjunto de datos en TFDS:

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

• Descripción :

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

• Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.

  Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:

  • Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
  • Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
  • Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.

  Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.

• Versión : 1.0.0

• Divisiones :

• Características :

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

unshuffled_deduplicated_bg

Utilice el siguiente comando para cargar este conjunto de datos en TFDS:

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

• Descripción :

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

• Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica en: Francia.

  Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:

  • Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
  • Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
  • Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.

  Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.

• Versión : 1.0.0

• Divisiones :

• Características :

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

unshuffled_deduplicated_bpy

Utilice el siguiente comando para cargar este conjunto de datos en TFDS:

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

• Descripción :

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

• Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.

  Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:

  • Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
  • Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
  • Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.

  Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.

• Versión : 1.0.0

• Divisiones :

• Características :

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

unshuffled_deduplicated_ca

Utilice el siguiente comando para cargar este conjunto de datos en TFDS:

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

• Descripción :

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

• Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.

  Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:

  • Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
  • Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
  • Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.

  Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.

• Versión : 1.0.0

• Divisiones :

• Características :

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

unshuffled_deduplicated_ckb

Utilice el siguiente comando para cargar este conjunto de datos en TFDS:

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

• Descripción :

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

• Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.

  Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:

  • Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
  • Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
  • Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.

  Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.

• Versión : 1.0.0

• Divisiones :

• Características :

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

unshuffled_deduplicated_ar

Utilice el siguiente comando para cargar este conjunto de datos en TFDS:

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

• Descripción :

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

• Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.

  Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:

  • Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
  • Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
  • Identifique claramente el material que se alega infringe y la información razonablemente suficiente para permitirnos localizar el material.

  Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.

• Versión : 1.0.0

• Divisiones :

• Características :

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

unshuffled_deduplicated_av

Utilice el siguiente comando para cargar este conjunto de datos en TFDS:

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

• Descripción :

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

• Licencia : Estos datos se publican bajo este esquema de licencia. No somos propietarios del texto del que se extrajeron estos datos. Licenciamos el empaquetado real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://creativecommons.org/publicdomain/zero/1.0/ En la medida de lo posible según la ley, Inria ha renunciado a todos los derechos de autor y derechos relacionados o derechos conexos a OSCAR Este trabajo se publica desde: Francia.

  Si considera que nuestros datos contienen material que es de su propiedad y por lo tanto no debe reproducirse aquí, por favor:

  • Identifíquese claramente, con datos de contacto detallados como dirección, número de teléfono o dirección de correo electrónico en la que se le pueda contactar.
  • Identifique claramente el trabajo protegido por derechos de autor que se alega ha sido infringido.
  • Identifique claramente el material que se afirma que es infractor e información razonablemente suficiente para permitirnos localizar el material.

  Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.

• Versión : 1.0.0

• Divisiones :

• Características :

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

unshuffled_deduplicado_bar

Utilice el siguiente comando para cargar este conjunto de datos en TFDS:

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

• Descripción :

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

• Licencia : estos datos se publican bajo este esquema de licencia, no poseemos ninguno de los texto del que se han extraído estos datos. Licenciamos el embalaje real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://createivecommons.org/publicdomain/zero/1.0/ en la medida posible bajo la ley, Inria ha renunciado a todos los derechos de autor y relacionados o relacionados o relacionados o relacionados o relacionados Derechos vecinos al Oscar Este trabajo se publica desde: Francia.

  Si considera que nuestros datos contienen material que es propiedad de usted y, por lo tanto, no debe reproducirse aquí, por favor::

  • Identifícate claramente, con datos de contacto detallados, como una dirección, número de teléfono o dirección de correo electrónico, en la que se puede contactar.
  • Identifique claramente el trabajo protegido por derechos de autor que se infringe.
  • Identifique claramente el material que se afirma que es infractor e información razonablemente suficiente para permitirnos localizar el material.

  Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.

• Versión : 1.0.0

• Divisiones :

• Características :

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

unshuffled_deduplicado_bh

Utilice el siguiente comando para cargar este conjunto de datos en TFDS:

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

• Descripción :

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

• Licencia : estos datos se publican bajo este esquema de licencia, no poseemos ninguno de los texto del que se han extraído estos datos. Licenciamos el embalaje real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://createivecommons.org/publicdomain/zero/1.0/ en la medida posible bajo la ley, Inria ha renunciado a todos los derechos de autor y relacionados o relacionados o relacionados o relacionados o relacionados Derechos vecinos al Oscar Este trabajo se publica desde: Francia.

  Si considera que nuestros datos contienen material que es propiedad de usted y, por lo tanto, no debe reproducirse aquí, por favor::

  • Identifícate claramente, con datos de contacto detallados, como una dirección, número de teléfono o dirección de correo electrónico, en la que se puede contactar.
  • Identifique claramente el trabajo protegido por derechos de autor que se infringe.
  • Identifique claramente el material que se afirma que es infractor e información razonablemente suficiente para permitirnos localizar el material.

  Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.

• Versión : 1.0.0

• Divisiones :

• Características :

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

unshuffled_deduplicado_br

Utilice el siguiente comando para cargar este conjunto de datos en TFDS:

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

• Descripción :

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

• Licencia : estos datos se publican bajo este esquema de licencia, no poseemos ninguno de los texto del que se han extraído estos datos. Licenciamos el embalaje real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://createivecommons.org/publicdomain/zero/1.0/ en la medida posible bajo la ley, Inria ha renunciado a todos los derechos de autor y relacionados o relacionados o relacionados o relacionados o relacionados Derechos vecinos al Oscar Este trabajo se publica desde: Francia.

  Si considera que nuestros datos contienen material que es propiedad de usted y, por lo tanto, no debe reproducirse aquí, por favor::

  • Identifícate claramente, con datos de contacto detallados, como una dirección, número de teléfono o dirección de correo electrónico, en la que se puede contactar.
  • Identifique claramente el trabajo protegido por derechos de autor que se infringe.
  • Identifique claramente el material que se afirma que es infractor e información razonablemente suficiente para permitirnos localizar el material.

  Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.

• Versión : 1.0.0

• Divisiones :

• Características :

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

unshuffled_deduplicado_cbk

Utilice el siguiente comando para cargar este conjunto de datos en TFDS:

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

• Descripción :

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

• Licencia : estos datos se publican bajo este esquema de licencia, no poseemos ninguno de los texto del que se han extraído estos datos. Licenciamos el embalaje real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://createivecommons.org/publicdomain/zero/1.0/ en la medida posible bajo la ley, Inria ha renunciado a todos los derechos de autor y relacionados o relacionados o relacionados o relacionados o relacionados Derechos vecinos al Oscar Este trabajo se publica desde: Francia.

  Si considera que nuestros datos contienen material que es propiedad de usted y, por lo tanto, no debe reproducirse aquí, por favor::

  • Identifícate claramente, con datos de contacto detallados, como una dirección, número de teléfono o dirección de correo electrónico, en la que se puede contactar.
  • Identifique claramente el trabajo protegido por derechos de autor que se infringe.
  • Identifique claramente el material que se afirma que es infractor e información razonablemente suficiente para permitirnos localizar el material.

  Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.

• Versión : 1.0.0

• Divisiones :

• Características :

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

unshuffled_deduplicado_da

Utilice el siguiente comando para cargar este conjunto de datos en TFDS:

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

• Descripción :

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

• Licencia : estos datos se publican bajo este esquema de licencia, no poseemos ninguno de los texto del que se han extraído estos datos. Licenciamos el embalaje real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://createivecommons.org/publicdomain/zero/1.0/ en la medida posible bajo la ley, Inria ha renunciado a todos los derechos de autor y relacionados o relacionados o relacionados o relacionados o relacionados Derechos vecinos al Oscar Este trabajo se publica desde: Francia.

  Si considera que nuestros datos contienen material que es propiedad de usted y, por lo tanto, no debe reproducirse aquí, por favor::

  • Identifícate claramente, con datos de contacto detallados, como una dirección, número de teléfono o dirección de correo electrónico, en la que se puede contactar.
  • Identifique claramente el trabajo protegido por derechos de autor que se infringe.
  • Identifique claramente el material que se afirma que es infractor e información razonablemente suficiente para permitirnos localizar el material.

  Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.

• Versión : 1.0.0

• Divisiones :

• Características :

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

unshuffled_deduplicado_dv

Utilice el siguiente comando para cargar este conjunto de datos en TFDS:

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

• Descripción :

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

• Licencia : estos datos se publican bajo este esquema de licencia, no poseemos ninguno de los texto del que se han extraído estos datos. Licenciamos el embalaje real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://createivecommons.org/publicdomain/zero/1.0/ en la medida posible bajo la ley, Inria ha renunciado a todos los derechos de autor y relacionados o relacionados o relacionados o relacionados o relacionados Derechos vecinos al Oscar Este trabajo se publica desde: Francia.

  Si considera que nuestros datos contienen material que es propiedad de usted y, por lo tanto, no debe reproducirse aquí, por favor::

  • Identifícate claramente, con datos de contacto detallados, como una dirección, número de teléfono o dirección de correo electrónico, en la que se puede contactar.
  • Identifique claramente el trabajo protegido por derechos de autor que se infringe.
  • Identifique claramente el material que se afirma que es infractor e información razonablemente suficiente para permitirnos localizar el material.

  Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.

• Versión : 1.0.0

• Divisiones :

• Características :

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

unshuffled_deduplicado_eo

Utilice el siguiente comando para cargar este conjunto de datos en TFDS:

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

• Descripción :

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

• Licencia : estos datos se publican bajo este esquema de licencia, no poseemos ninguno de los texto del que se han extraído estos datos. Licenciamos el embalaje real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://createivecommons.org/publicdomain/zero/1.0/ en la medida posible bajo la ley, Inria ha renunciado a todos los derechos de autor y relacionados o relacionados o relacionados o relacionados o relacionados Derechos vecinos al Oscar Este trabajo se publica desde: Francia.

  Si considera que nuestros datos contienen material que es propiedad de usted y, por lo tanto, no debe reproducirse aquí, por favor::

  • Identifícate claramente, con datos de contacto detallados, como una dirección, número de teléfono o dirección de correo electrónico, en la que se puede contactar.
  • Identifique claramente el trabajo protegido por derechos de autor que se infringe.
  • Identifique claramente el material que se afirma que es infractor e información razonablemente suficiente para permitirnos localizar el material.

  Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.

• Versión : 1.0.0

• Divisiones :

• Características :

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

unshuffled_deduplicado_fa

Utilice el siguiente comando para cargar este conjunto de datos en TFDS:

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

• Descripción :

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

• Licencia : estos datos se publican bajo este esquema de licencia, no poseemos ninguno de los texto del que se han extraído estos datos. Licenciamos el embalaje real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://createivecommons.org/publicdomain/zero/1.0/ en la medida posible bajo la ley, Inria ha renunciado a todos los derechos de autor y relacionados o relacionados o relacionados o relacionados o relacionados Derechos vecinos al Oscar Este trabajo se publica desde: Francia.

  Si considera que nuestros datos contienen material que es propiedad de usted y, por lo tanto, no debe reproducirse aquí, por favor::

  • Identifícate claramente, con datos de contacto detallados, como una dirección, número de teléfono o dirección de correo electrónico, en la que se puede contactar.
  • Identifique claramente el trabajo protegido por derechos de autor que se infringe.
  • Identifique claramente el material que se afirma que es infractor e información razonablemente suficiente para permitirnos localizar el material.

  Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.

• Versión : 1.0.0

• Divisiones :

• Características :

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

unshuffled_deduplicado_fy

Utilice el siguiente comando para cargar este conjunto de datos en TFDS:

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

• Descripción :

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

• Licencia : estos datos se publican bajo este esquema de licencia, no poseemos ninguno de los texto del que se han extraído estos datos. Licenciamos el embalaje real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://createivecommons.org/publicdomain/zero/1.0/ en la medida posible bajo la ley, Inria ha renunciado a todos los derechos de autor y relacionados o relacionados o relacionados o relacionados o relacionados Derechos vecinos al Oscar Este trabajo se publica desde: Francia.

  Si considera que nuestros datos contienen material que es propiedad de usted y, por lo tanto, no debe reproducirse aquí, por favor::

  • Identifícate claramente, con datos de contacto detallados, como una dirección, número de teléfono o dirección de correo electrónico, en la que se puede contactar.
  • Identifique claramente el trabajo protegido por derechos de autor que se infringe.
  • Identifique claramente el material que se afirma que es infractor e información razonablemente suficiente para permitirnos localizar el material.

  Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.

• Versión : 1.0.0

• Divisiones :

• Características :

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

unshuffled_deduplicado_gn

Utilice el siguiente comando para cargar este conjunto de datos en TFDS:

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

• Descripción :

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

• Licencia : estos datos se publican bajo este esquema de licencia, no poseemos ninguno de los texto del que se han extraído estos datos. Licenciamos el embalaje real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://createivecommons.org/publicdomain/zero/1.0/ en la medida posible bajo la ley, Inria ha renunciado a todos los derechos de autor y relacionados o relacionados o relacionados o relacionados o relacionados Derechos vecinos al Oscar Este trabajo se publica desde: Francia.

  Si considera que nuestros datos contienen material que es propiedad de usted y, por lo tanto, no debe reproducirse aquí, por favor::

  • Identifícate claramente, con datos de contacto detallados, como una dirección, número de teléfono o dirección de correo electrónico, en la que se puede contactar.
  • Identifique claramente el trabajo protegido por derechos de autor que se infringe.
  • Identifique claramente el material que se afirma que es infractor e información razonablemente suficiente para permitirnos localizar el material.

  Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.

• Versión : 1.0.0

• Divisiones :

• Características :

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

unshuffled_deduplicado_cs

Utilice el siguiente comando para cargar este conjunto de datos en TFDS:

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

• Descripción :

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

• Licencia : estos datos se publican bajo este esquema de licencia, no poseemos ninguno de los texto del que se han extraído estos datos. Licenciamos el embalaje real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://createivecommons.org/publicdomain/zero/1.0/ en la medida posible bajo la ley, Inria ha renunciado a todos los derechos de autor y relacionados o relacionados o relacionados o relacionados o relacionados Derechos vecinos al Oscar Este trabajo se publica desde: Francia.

  Si considera que nuestros datos contienen material que es propiedad de usted y, por lo tanto, no debe reproducirse aquí, por favor::

  • Identifícate claramente, con datos de contacto detallados, como una dirección, número de teléfono o dirección de correo electrónico, en la que se puede contactar.
  • Identifique claramente el trabajo protegido por derechos de autor que se infringe.
  • Identifique claramente el material que se afirma que es infractor e información razonablemente suficiente para permitirnos localizar el material.

  Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.

• Versión : 1.0.0

• Divisiones :

• Características :

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

unshuffled_deduplicado_hi

Utilice el siguiente comando para cargar este conjunto de datos en TFDS:

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

• Descripción :

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

• Licencia : estos datos se publican bajo este esquema de licencia, no poseemos ninguno de los texto del que se han extraído estos datos. Licenciamos el embalaje real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://createivecommons.org/publicdomain/zero/1.0/ en la medida posible bajo la ley, Inria ha renunciado a todos los derechos de autor y relacionados o relacionados o relacionados o relacionados o relacionados Derechos vecinos al Oscar Este trabajo se publica desde: Francia.

  Si considera que nuestros datos contienen material que es propiedad de usted y, por lo tanto, no debe reproducirse aquí, por favor::

  • Identifícate claramente, con datos de contacto detallados, como una dirección, número de teléfono o dirección de correo electrónico, en la que se puede contactar.
  • Identifique claramente el trabajo protegido por derechos de autor que se infringe.
  • Identifique claramente el material que se afirma que es infractor e información razonablemente suficiente para permitirnos localizar el material.

  Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.

• Versión : 1.0.0

• Divisiones :

• Características :

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

unshuffled_deduplicado_hu

Utilice el siguiente comando para cargar este conjunto de datos en TFDS:

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

• Descripción :

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

• Licencia : estos datos se publican bajo este esquema de licencia, no poseemos ninguno de los texto del que se han extraído estos datos. Licenciamos el embalaje real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://createivecommons.org/publicdomain/zero/1.0/ en la medida posible bajo la ley, Inria ha renunciado a todos los derechos de autor y relacionados o relacionados o relacionados o relacionados o relacionados Derechos vecinos al Oscar Este trabajo se publica desde: Francia.

  Si considera que nuestros datos contienen material que es propiedad de usted y, por lo tanto, no debe reproducirse aquí, por favor::

  • Identifícate claramente, con datos de contacto detallados, como una dirección, número de teléfono o dirección de correo electrónico, en la que se puede contactar.
  • Identifique claramente el trabajo protegido por derechos de autor que se infringe.
  • Identifique claramente el material que se afirma que es infractor e información razonablemente suficiente para permitirnos localizar el material.

  Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.

• Versión : 1.0.0

• Divisiones :

• Características :

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

unshuffled_deduplicado_ie

Utilice el siguiente comando para cargar este conjunto de datos en TFDS:

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

• Descripción :

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

• Licencia : estos datos se publican bajo este esquema de licencia, no poseemos ninguno de los texto del que se han extraído estos datos. Licenciamos el embalaje real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://createivecommons.org/publicdomain/zero/1.0/ en la medida posible bajo la ley, Inria ha renunciado a todos los derechos de autor y relacionados o relacionados o relacionados o relacionados o relacionados Derechos vecinos al Oscar Este trabajo se publica desde: Francia.

  Si considera que nuestros datos contienen material que es propiedad de usted y, por lo tanto, no debe reproducirse aquí, por favor::

  • Identifícate claramente, con datos de contacto detallados, como una dirección, número de teléfono o dirección de correo electrónico, en la que se puede contactar.
  • Identifique claramente el trabajo protegido por derechos de autor que se infringe.
  • Identifique claramente el material que se afirma que es infractor e información razonablemente suficiente para permitirnos localizar el material.

  Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.

• Versión : 1.0.0

• Divisiones :

• Características :

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

unshuffled_deduplicado_fr

Utilice el siguiente comando para cargar este conjunto de datos en TFDS:

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

• Descripción :

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

• Licencia : estos datos se publican bajo este esquema de licencia, no poseemos ninguno de los texto del que se han extraído estos datos. Licenciamos el embalaje real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://createivecommons.org/publicdomain/zero/1.0/ en la medida posible bajo la ley, Inria ha renunciado a todos los derechos de autor y relacionados o relacionados o relacionados o relacionados o relacionados Derechos vecinos al Oscar Este trabajo se publica desde: Francia.

  Si considera que nuestros datos contienen material que es propiedad de usted y, por lo tanto, no debe reproducirse aquí, por favor::

  • Identifícate claramente, con datos de contacto detallados, como una dirección, número de teléfono o dirección de correo electrónico, en la que se puede contactar.
  • Identifique claramente el trabajo protegido por derechos de autor que se infringe.
  • Identifique claramente el material que se afirma que es infractor e información razonablemente suficiente para permitirnos localizar el material.

  Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.

• Versión : 1.0.0

• Divisiones :

• Características :

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

unshuffled_deduplicado_gd

Utilice el siguiente comando para cargar este conjunto de datos en TFDS:

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

• Descripción :

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

• Licencia : estos datos se publican bajo este esquema de licencia, no poseemos ninguno de los texto del que se han extraído estos datos. Licenciamos el embalaje real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://createivecommons.org/publicdomain/zero/1.0/ en la medida posible bajo la ley, Inria ha renunciado a todos los derechos de autor y relacionados o relacionados o relacionados o relacionados o relacionados Derechos vecinos al Oscar Este trabajo se publica desde: Francia.

  Si considera que nuestros datos contienen material que es propiedad de usted y, por lo tanto, no debe reproducirse aquí, por favor::

  • Identifícate claramente, con datos de contacto detallados, como una dirección, número de teléfono o dirección de correo electrónico, en la que se puede contactar.
  • Identifique claramente el trabajo protegido por derechos de autor que se infringe.
  • Identifique claramente el material que se afirma que es infractor e información razonablemente suficiente para permitirnos localizar el material.

  Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.

• Versión : 1.0.0

• Divisiones :

• Características :

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

unshuffled_deduplicado_gu

Utilice el siguiente comando para cargar este conjunto de datos en TFDS:

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

• Descripción :

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

• Licencia : estos datos se publican bajo este esquema de licencia, no poseemos ninguno de los texto del que se han extraído estos datos. Licenciamos el embalaje real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://createivecommons.org/publicdomain/zero/1.0/ en la medida posible bajo la ley, Inria ha renunciado a todos los derechos de autor y relacionados o relacionados o relacionados o relacionados o relacionados Derechos vecinos al Oscar Este trabajo se publica desde: Francia.

  Si considera que nuestros datos contienen material que es propiedad de usted y, por lo tanto, no debe reproducirse aquí, por favor::

  • Identifícate claramente, con datos de contacto detallados, como una dirección, número de teléfono o dirección de correo electrónico, en la que se puede contactar.
  • Identifique claramente el trabajo protegido por derechos de autor que se infringe.
  • Identifique claramente el material que se afirma que es infractor e información razonablemente suficiente para permitirnos localizar el material.

  Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.

• Versión : 1.0.0

• Divisiones :

• Características :

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

unshuffled_deduplicado_hsb

Utilice el siguiente comando para cargar este conjunto de datos en TFDS:

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

• Descripción :

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

• Licencia : estos datos se publican bajo este esquema de licencia, no poseemos ninguno de los texto del que se han extraído estos datos. Licenciamos el embalaje real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://createivecommons.org/publicdomain/zero/1.0/ en la medida posible bajo la ley, Inria ha renunciado a todos los derechos de autor y relacionados o relacionados o relacionados o relacionados o relacionados Derechos vecinos al Oscar Este trabajo se publica desde: Francia.

  Si considera que nuestros datos contienen material que es propiedad de usted y, por lo tanto, no debe reproducirse aquí, por favor::

  • Identifícate claramente, con datos de contacto detallados, como una dirección, número de teléfono o dirección de correo electrónico, en la que se puede contactar.
  • Identifique claramente el trabajo protegido por derechos de autor que se infringe.
  • Identifique claramente el material que se afirma que es infractor e información razonablemente suficiente para permitirnos localizar el material.

  Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.

• Versión : 1.0.0

• Divisiones :

• Características :

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

unshuffled_deduplicado_ia

Utilice el siguiente comando para cargar este conjunto de datos en TFDS:

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

• Descripción :

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

• Licencia : estos datos se publican bajo este esquema de licencia, no poseemos ninguno de los texto del que se han extraído estos datos. Licenciamos el embalaje real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://createivecommons.org/publicdomain/zero/1.0/ en la medida posible bajo la ley, Inria ha renunciado a todos los derechos de autor y relacionados o relacionados o relacionados o relacionados o relacionados Derechos vecinos al Oscar Este trabajo se publica desde: Francia.

  Si considera que nuestros datos contienen material que es propiedad de usted y, por lo tanto, no debe reproducirse aquí, por favor::

  • Identifícate claramente, con datos de contacto detallados, como una dirección, número de teléfono o dirección de correo electrónico, en la que se puede contactar.
  • Identifique claramente el trabajo protegido por derechos de autor que se infringe.
  • Identifique claramente el material que se afirma que es infractor e información razonablemente suficiente para permitirnos localizar el material.

  Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.

• Versión : 1.0.0

• Divisiones :

• Características :

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

unshuffled_deduplicado_io

Utilice el siguiente comando para cargar este conjunto de datos en TFDS:

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

• Descripción :

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

• Licencia : estos datos se publican bajo este esquema de licencia, no poseemos ninguno de los texto del que se han extraído estos datos. Licenciamos el embalaje real de estos datos bajo la licencia Creative Commons CC0 ("sin derechos reservados") http://createivecommons.org/publicdomain/zero/1.0/ en la medida posible bajo la ley, Inria ha renunciado a todos los derechos de autor y relacionados o relacionados o relacionados o relacionados o relacionados Derechos vecinos al Oscar Este trabajo se publica desde: Francia.

  Si considera que nuestros datos contienen material que es propiedad de usted y, por lo tanto, no debe reproducirse aquí, por favor::

  • Identifícate claramente, con datos de contacto detallados, como una dirección, número de teléfono o dirección de correo electrónico, en la que se puede contactar.
  • Identifique claramente el trabajo protegido por derechos de autor que se infringe.
  • Identifique claramente el material que se afirma que es infractor e información razonablemente suficiente para permitirnos localizar el material.

  Cumpliremos con las solicitudes legítimas eliminando las fuentes afectadas de la próxima versión del corpus.

• Versión : 1.0.0

• Divisiones :

• Características :

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

unshuffled_deduplicado_jbo

Utilice el siguiente comando para cargar este conjunto de datos en TFDS:

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

• Descripción :