O Huggingface bifurcou o TFDS e fornece muitos conjuntos de dados de texto. Veja aqui mais documentação. Em seguida, você pode encontrar a lista de todos os conjuntos de dados que podem ser usados com o TFDS.
- acronym_identification
- ade_corpus_v2
- adv_glue
- adversarial_qa
- aeslc
- afrikaans_ner_corpus
- ag_news
- ai2_arc
- air_dialogue
- ajgt_twitter_ar
- allegro_reviews
- alocina
- alt
- amazon_polarity
- amazon_reviews_multi
- amazon_us_reviews
- ambig_qa
- americas_nli
- ami
- amttl
- anli
- app_reviews
- aqua_rat
- aquamuse
- ar_cov19
- ar_res_reviews
- ar_sarcasm
- árabe_billion_words
- arabic_pos_dialect
- arabic_speech_corpus
- arco
- arsentd_lev
- arte
- arxiv_dataset
- subida_kb
- aslg_pc12
- asnq
- de ativos
- assassino
- assin2
- atômico
- autsumato
- babi_qa
- bancário77
- bbaw_egípcio
- bbc_hindi_nli
- bc2gm_corpus
- feijões
- melhor2009
- bienet
- bíblia_para
- big_patent
- banco grande
- soma de contas
- bing_coronavirus_query_set
- biomrc
- biosses
- biwi_kinect_head_pose
- blbooks
- blbooksgênero
- blended_skill_talk
- dirigível
- blog_autoria_corpus
- bn_hate_speech
- bnl_newspapers
- livro
- bookcorpusopen
- boolq
- bprec
- break_data
- brwac
- bsd_ja_en
- bswac
- c3
- c4
- cal2018
- caner
- capas
- cassino
- catalunha_independência
- gatos_vs_cachorros
- cawac
- TCC
- cc100
- cc_news
- ccaligned_multilingual
- cdsc
- cdt
- cedro
- cfq
- chr_pt
- cifar10
- cifar100
- cerca de
- civil_comments
- clickbait_news_bg
- febre_clima
- clinc_oos
- dica
- cmrc2018
- cmu_hinglish_dog
- cnn_dailymail
- coached_conv_pref
- discurso_grosseiro
- coda
- code_search_net
- code_x_glue_cc_clone_detection_big_clone_bench
- code_x_glue_cc_clone_detection_poj104
- code_x_glue_cc_cloze_testing_all
- code_x_glue_cc_cloze_testing_maxmin
- code_x_glue_cc_code_completion_line
- code_x_glue_cc_code_completion_token
- code_x_glue_cc_code_refinement
- code_x_glue_cc_code_to_code_trans
- code_x_glue_cc_defect_detection
- code_x_glue_ct_code_to_text
- code_x_glue_tc_nl_code_search_adv
- code_x_glue_tc_text_to_code
- code_x_glue_tt_text_to_text
- com_qa
- common_gen
- linguagem comum
- voz_comum
- senso comum_qa
- competição_matemática
- adivinhe o que
- conceptnet5
- conceitual_12m
- conceitual_captions
- conll2000
- conll2002
- conll2003
- conll2012_ontonotesv5
- conllpp
- reclamações de finanças do consumidor
- conv_ai
- conv_ai_2
- conv_ai_3
- conv_questions
- coca
- cordão19
- cornell_movie_dialog
- cos_e
- cosmos_qa
- contador
- covid_qa_castorini
- covid_qa_deepset
- covid_qa_ucsd
- covid_tweets_japanese
- covost2
- cppe-5
- craigslist_bargains
- crawl_domain
- crd3
- crime_e_punição
- pares_corvos
- criptonita
- cs_restaurants
- cuad
- curiosidade_diálogos
- dia_dialog
- dinamarquês
- dinamarquês_comentários_políticos
- dardo
- datacommons_factcheck
- dbpedia_14
- banco de dados
- deal_or_no_dialog
- definição_pronome_resolução
- dengue_filipino
- dialog_re
- diplomacy_detection
- desastre_resposta_mensagens
- desconcertar
- descoberta
- disfl_qa
- doc2dial
- credenciado
- doca
- Sonhe
- derrubar
- dueto
- holandês_social
- dique
- e2e_nlg
- e2e_nlg_cleaned
- ecb
- ectr_cases
- afiar
- ehealth_kd
- eitb_parcc
- electric_load_diagrams
- eli5
- eli5_category
- elkarhizketak
- emea
- emo
- emoção
- emotone_ar
- diálogos empáticos
- enriquecido_web_nlg
- enwik8
- eraser_multi_rc
- esnli
- eth_py150_open
- etos
- et
- eu_regulatory_ir
- eurlex
- euronews
- europa_eac_tm
- europa_ecdc_tm
- europarl_bilíngue
- event2Mind
- Evidence_infer_treatment
- exames
- factckbr
- fake_news_english
- fake_news_filipino
- farsi_news
- fashion_mnist
- febre
- poucos_rel
- banco_frase_financeiro
- mais fino
- flores
- chaminé
- comida101
- esquadrão
- freebase_qa
- Gap = Vão
- gema
- gerado_reviews_enth
- generics_kb
- german_legal_entity_recognition
- alemão
- germeval_14
- giga_fren
- gigapalavra
- glicose
- cola
- gnad10
- go_emotions
- gooaq
- google_wellformed_query
- grail_qa
- great_code
- greek_legal_code
- gsm8k
- tutor_autoria
- gutenberg_time
- hans
- hansards
- duro
- harém
- tem_parte
- ódio_ofensivo
- hate_speech18
- hate_speech_filipino
- hate_speech_ofensive
- hate_speech_pl
- hate_speech_português
- explicar ódio
- hausa_voa_ner
- hausa_voa_topics
- hda_nli_hindi
- head_qa
- health_fact
- hebraico_projetobenyehuda
- hebreu_sentiment
- hebraico_este_mundo
- inferno
- hendrycks_test
- hind_encorp
- hindi_discourse
- hipopótamo
- hkcancor
- hlgd
- esperança_edi
- hotpot_qa
- flutuar
- hrenwac_para
- hrwac
- hummicroedit
- híbrido_qa
- hyperpartisan_news_detection
- iapp_wiki_qa_squad
- id_clickbait
- id_liputan6
- id_nergrit_corpus
- id_newspapers_2018
- id_panl_bppt
- id_puisi
- igbo_english_machine_translation
- igbo_monolingual
- igbo_ner
- lista
- imagenet-1k
- imagenet_sketch
- imdb
- imdb_urdu_reviews
- impressionar
- indic_glue
- indoli
- indolu
- curioso_qg
- interpress_news_category_tr
- interpress_news_category_tr_lite
- irc_disentangle
- isixhosa_ner_corpus
- isizulu_ner_corpus
- iwslt2017
- perigo
- jfleg
- jigsaw_toxicidade_pred
- jigsaw_unintended_bias
- jnlpba
- jornalistas_perguntas
- kan_hope
- kannada_news
- kd_conv
- kde4
- kelm
- kilt_tasks
- kilt_wikipedia
- kinnews_kirnews
- klue
- kor_3i4k
- kor_hate
- kor_ner
- kor_nli
- kor_nlu
- kor_qpair
- kor_sae
- kor_sarcasm
- labr
- lama
- lambada
- large_spanish_corpus
- laroseda
- lc_quad
- lccc
- lener_br
- lex_glue
- mentiroso
- librispeech_asr
- librispeech_lm
- limite
- lince
- linnaeus
- liveqa
- lj_speech
- lm1b
- lst20
- m_lama
- mac_morpho
- makhzan
- masakhaner
- math_dataset
- math_qa
- matinf
- mbpp
- mc4
- mc_taco
- md_gender_bias
- md
- med_hop
- medalha
- medical_dialog
- medical_questions_pairs
- medmcqa
- menyo20k_mt
- meta_woz
- metashift
- metooma
- metros
- miam
- mkb
- mkqa
- mlqa
- mlsoma
- mnist
- mocha
- monash_tsf
- Marrocos
- movie_rationales
- Mrqa
- ms_marco
- ms_terms
- msr_genomics_kbcomp
- msr_sqa
- msr_text_compression
- msr_zhen_translation_parity
- msra_ner
- mt_eng_vietnamese
- muchocina
- multi_reservado
- multi_eurlex
- multi_news
- multi_nli
- multi_nli_mismatch
- multi_para_crawl
- multi_re_qa
- multi_woz_v22
- multi_x_science_sum
- multidoc2dial
- multilingue_librisspeech
- amigos em comum
- mwsc
- myanmar_news
- narrativaqa
- narrativaqa_manual
- perguntas_naturais
- ncbi_disease
- chlt
- ncslgr
- nel
- neural_code_search
- news_commentary
- grupo de notícias
- noticiário
- newsph_nli
- noticiário
- newsqa
- redação
- nkjp-ner
- nli_tr
- nlu_evaluation_data
- norec
- norne
- norueguês_ner
- nq_open
- nsmc
- numer_sense
- numeric_fused_head
- oclar
- offcombr
- ofensaval2020_tr
- ofensaval_dravidian
- ofis_publik
- presumido
- ollie
- omp
- onestop_english
- onestop_qa
- open_subtitles
- openai_humaneval
- openbookqa
- abre
- openwebtext
- opinose
- opus100
- opus_books
- opus_dgt
- opus_dogc
- opus_elhuyar
- opus_euconst
- opus_finlex
- opus_fiskmo
- opus_gnome
- opus_infopankki
- opus_memat
- opus_montenegrinsubs
- opus_openoffice
- opus_paracrawl
- opus_rf
- opus_tedtalks
- opus_ubuntu
- opus_wikipedia
- opus_xhosanavy
- soma_laranja
- oscar
- para_crawl
- para_pat
- parsinlu_reading_comprehension
- passar
- patas
- patas-x
- peito
- peer_read
- peoples_daily_ner
- por_enviado
- persa_ner
- pág19
- php
- piaf
- pib
- piqa
- pn_summary
- poema_sentimento
- polemo2
- poleval2019_cyberbullying
- poleval2019_mt
- pólvora
- polyglot_ner
- prachathai67k
- pragmeval
- proto_qa
- psc
- ptb_text_only
- publicado
- pubmed_qa
- py_ast
- qa4mre
- qa_srl
- qa_zre
- qangaroo
- qanta
- qasc
- qasper
- qed
- qed_amara
- quac
- Codorna
- briga
- quartzo
- desenho rápido
- quora
- quoref
- corrida
- re_discar
- raciocínio_bg
- receita_nlg
- reclor
- red_caps
- reddit_tifu
- atualizado
- reuters21578
- sentido_criada
- ro_enviado
- ro_sts
- ro_sts_parallel
- roman_urdu
- roman_urdu_hate_speech
- ronec
- cordas
- tomates podres
- russian_super_glue
- rvl_cdip
- s2orc
- samsum
- sanskrit_classic
- saudinewsnet
- sberquad
- sbu_captions
- Varredura
- scb_mt_enth_2020
- scene_parse_150
- schema_guided_dstc8
- cicitar
- scielo
- papéis científicos
- fato
- sciq
- correr
- scitldr
- search_qa
- sede
- selqa
- sem_eval_2010_task_8
- sem_eval_2014_task_1
- sem_eval_2018_task_1
- sem_eval_2020_task_11
- enviado_comp
- senti_lex
- senti_ws
- sentimento 140
- sepedi_ner
- sesotho_ner_corpus
- vezes
- setswana_ner_corpus
- shar
- sharc_modified
- doente
- silicone
- simple_questions_v2
- siswati_ner_corpus
- dados inteligentes
- sms_spam
- snips_built_in_intents
- snli
- snow_simplified_japanese_corpus
- so_stacksample
- social_bias_frames
- social_i_qa
- sofc_materials_articles
- sogou_news
- espanhol_bilhões_palavras
- spc
- espécie_800
- comandos de fala
- aranha
- esquadrão
- squad_adversarial
- squad_es
- squad_it
- squad_kor_v1
- squad_kor_v2
- squad_v1_pt
- esquadrão_v2
- turnos de esquadrão
- srwac
- st
- aparelho de som
- story_cloze
- stsb_mt_sv
- stsb_multi_mt
- style_change_detection
- subjqa
- super_cola
- soberbo
- svhn
- Swag
- suaíli
- swahili_news
- swda
- swedish_medical_ner
- swedish_ner_corpus
- comentários_sueco
- swiss_judgment_prediction
- tab_fact
- sentimento tamilmix
- tanzil
- tapaco
- tashkeela
- capataz1
- capataz2
- capataz3
- tatoeba
- ted_hrlr
- ted_iwlst2013
- ted_multi
- ted_talks_iwslt
- telugu_books
- telugu_news
- tep_en_fa_para
- text2log
- textvqa
- thai_toxicidade_tweet
- thainer
- thaiqa_squad
- tailandês
- a_pilha
- the_pile_books3
- the_pile_openwebtext2
- the_pile_stack_exchange
- til_model
- time_dial
- times_of_india_news_headlines
- timit_asr
- tiny_shakespeare
- tlc
- tmu_gfm_dataset
- tne
- disse-br
- totto
- trec
- trivia_qa
- true_qa
- tsac
- ttc4900
- tunizi
- tuple_ie
- turco
- turkic_xwmt
- turkish_movie_sentiment
- turco_ner
- turkish_product_reviews
- turkish_shrinked_ner
- turku_ner_corpus
- tweet_eval
- tweet_qa
- tweets_ar_en_parallel
- tweets_hate_speech_detection
- twi_text_c3
- twi_wordsim353
- tydiqa
- ubuntu_dialogs_corpus
- udhr
- um005
- un_ga
- un_multi
- un_pc
- universal_dependencies
- universal_morfologias
- urdu_fake_news
- urdu_sentiment_corpus
- vctk
- visual_genome
- vivos
- web_nlg
- web_of_science
- web_questions
- weibo_ner
- wi_locness
- face_larga
- wiki40b
- wiki_asp
- wiki_atomic_edits
- wiki_auto
- wiki_bio
- wiki_dpr
- wiki_hop
- wiki_lingua
- wiki_movies
- wiki_qa
- wiki_qa_ar
- wiki_snippets
- fonte_wiki
- wiki_split
- wiki_summary
- wikiann
- wikicorpus
- wikihow
- wikipédia
- wikisql
- perguntas wikitable
- wikitexto
- wikitext_tl39
- wili_2018
- wino_bias
- winograd_wsc
- bêbado
- wiqa
- visão inteligente1000
- wisesight_sentiment
- wmt14
- wmt15
- wmt16
- wmt17
- wmt18
- wmt19
- wmt20_mlqe_task1
- wmt20_mlqe_task2
- wmt20_mlqe_task3
- wmt_t2t
- wnut_17
- wongnai_reviews
- woz_dialogue
- wrbsc
- x_stance
- xcopa
- xcsr
- xed_en_fi
- xcola
- xnli
- xor_tydi_qa
- xquad
- xquad_r
- xsum
- xsum_factuality
- extremo
- yahoo_answers_qa
- yahoo_answers_topics
- yelp_polarity
- yelp_review_full
- yoruba_bbc_topics
- yoruba_gv_ner
- yoruba_text_c3
- yoruba_wordsim353
- youtube_caption_corrections
- entusiasmo