five

SEACrowd/tcope

收藏
Hugging Face2024-06-24 更新2024-06-29 收录
下载链接:
https://hf-mirror.com/datasets/SEACrowd/tcope
下载链接
链接失效反馈
官方服务:
资源简介:
TCOPE数据集包含从菲律宾13个主要城市收集的公开推文,总计约1350万个单词。这些推文要么是纯英语,要么涉及英语和菲律宾语之间的代码切换。推文使用spaCy进行词性标注和依存句法分析。收集的推文时间跨度为2010年至2021年。公开的数据集是完整数据集的10%随机样本,完整数据集包含约2700万条推文(约1.35亿个单词),收集自29个主要城市,时间范围相同。

TCOPE数据集包含从菲律宾13个主要城市收集的公开推文,总计约1350万个单词。这些推文要么是纯英语,要么涉及英语和菲律宾语之间的代码切换。推文使用spaCy进行词性标注和依存句法分析。收集的推文时间跨度为2010年至2021年。公开的数据集是完整数据集的10%随机样本,完整数据集包含约2700万条推文(约1.35亿个单词),收集自29个主要城市,时间范围相同。
提供机构:
SEACrowd
原始信息汇总

TCOPE 数据集概述

数据集描述

  • 数据来源: 公共推文,收集自菲律宾的13个主要城市。
  • 语言: 英语和菲律宾语,包括代码切换。
  • 时间范围: 2010年至2021年。
  • 数据量:
    • 公开样本: 约1350万词(10%的随机样本)。
    • 完整数据集: 约13500万词,收集自29个主要城市。

任务类别

  • 词性标注 (POS Tagging)
  • 依存句法分析 (Dependency Parsing)

数据集版本

  • 源版本: 1.0.0
  • SEACrowd版本: 2024.06.20

许可证

  • Creative Commons Zero v1.0 Universal (cc0-1.0)

引用

@article{gonzales_broadening_2023, author = {Gonzales, Wilkinson Daniel Wong}, title = {Broadening horizons in the diachronic and sociolinguisstic study of Philippine Englishes with the Twitter Corpus of Philippine Englishes (TCOPE)}, journal = {English World-Wide}, year = {2023}, url = {https://osf.io/k3qzx}, doi = {10.17605/OSF.IO/3Q5PW}, }

@article{lovenia2024seacrowd, title={SEACrowd: A Multilingual Multimodal Data Hub and Benchmark Suite for Southeast Asian Languages}, author={Holy Lovenia and Rahmad Mahendra and Salsabil Maulana Akbar and Lester James V. Miranda and Jennifer Santoso and Elyanah Aco and Akhdan Fadhilah and Jonibek Mansurov and Joseph Marvin Imperial and Onno P. Kampman and Joel Ruben Antony Moniz and Muhammad Ravi Shulthan Habibi and Frederikus Hudi and Railey Montalan and Ryan Ignatius and Joanito Agili Lopo and William Nixon and Börje F. Karlsson and James Jaya and Ryandito Diandaru and Yuze Gao and Patrick Amadeus and Bin Wang and Jan Christian Blaise Cruz and Chenxi Whitehouse and Ivan Halim Parmonangan and Maria Khelli and Wenyu Zhang and Lucky Susanto and Reynard Adha Ryanda and Sonny Lazuardi Hermawan and Dan John Velasco and Muhammad Dehan Al Kautsar and Willy Fitra Hendria and Yasmin Moslem and Noah Flynn and Muhammad Farid Adilazuarda and Haochen Li and Johanes Lee and R. Damanhuri and Shuo Sun and Muhammad Reza Qorib and Amirbek Djanibekov and Wei Qi Leong and Quyet V. Do and Niklas Muennighoff and Tanrada Pansuwan and Ilham Firdausi Putra and Yan Xu and Ngee Chia Tai and Ayu Purwarianti and Sebastian Ruder and William Tjhi and Peerat Limkonchotiwat and Alham Fikri Aji and Sedrick Keh and Genta Indra Winata and Ruochen Zhang and Fajri Koto and Zheng-Xin Yong and Samuel Cahyawijaya}, year={2024}, eprint={2406.10118}, journal={arXiv preprint arXiv: 2406.10118} }

5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作