Tài liệu tham khảo:
tử thể
Sử dụng lệnh sau để tải tập dữ liệu này trong TFDS:
ds = tfds.load('huggingface:spanish_billion_words/corpus')
- Sự miêu tả :
An unannotated Spanish corpus of nearly 1.5 billion words, compiled from different resources from the web.
This resources include the spanish portions of SenSem, the Ancora Corpus, some OPUS Project Corpora and the Europarl,
the Tibidabo Treebank, the IULA Spanish LSP Treebank, and dumps from the Spanish Wikipedia, Wikisource and Wikibooks.
This corpus is a compilation of 100 text files. Each line of these files represents one of the 50 million sentences from the corpus.
- Giấy phép : https://creativecommons.org/licenses/by-sa/4.0/
- Phiên bản : 1.1.0
- Chia tách :
| Tách ra | Ví dụ |
|---|---|
'train' | 46925295 |
- Đặc trưng :
{
"text": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}