datasets
Training and evaluation data, with the modality, task and licence stated up front. Listed live from the Hugging Face Hub.
kaz-morphology-sample
kaz-morphology-sample
Қазақ сөздерінің морфологиялық үлгісі · Образец морфологической разметки казахских слов · Kazakh word morphology sample
Қазақша · Русский · English
Қазақша
kaz-morphology-sample — қазақ сөздерінің морфологиялық талдауы бар 9.3 МБ деректер жинағы. Жинақта 10 000 жазба және 7 сөз табы қамтылған; оны морфологиялық талдау, леммалау және POS-tagging үлгілерін тексеруге қолдануға болады.
Деректер құрамы
Файл
Жазба… See the full description on the dataset page: https://huggingface.co/datasets/TilQazyna/kaz-morphology-sample.kaz-pos-corpus
kaz-pos-corpus
Қазақ тілінің POS корпусы · Корпус частей речи казахского языка · Kazakh POS corpus
Қазақша · Русский · English
Қазақша
kaz-pos-corpus — қолмен POS белгісі қойылған қазақ мәтіндерінің 1.9 МБ корпусы. Онда 1 200 сөйлем, 4 107 сөз және 18 белгі класы бар; корпус token classification модельдерін оқыту мен бағалауға арналған.
Құрамы мен нәтижелері
Көрсеткіш
Мәні
Сөйлем
1 200
Сөз
4 107
POS класы
18
Сөз деңгейіндегі… See the full description on the dataset page: https://huggingface.co/datasets/TilQazyna/kaz-pos-corpus.Til-Corpus-exp078
Til-Corpus-exp078
Қазақ тілі басым оқыту корпусы · Корпус для обучения с преобладанием казахского языка · Kazakh-dominant training corpus
Қазақша · Русский · English
Қазақша
Til-Corpus-exp078 — тілдік модельдерді алдын ала оқытуға дайындалған, қазақ тілі басым корпус. Репозиторий көлемі — 139.07 ГБ; оқытуға дайын бөлігінде 32.9M жол және Til-Tokenizer-128k бойынша 7.21B токен бар.
Құрамы
Дерек сапасы оқу соңына қарай арта түсетін ретпен жиналған.… See the full description on the dataset page: https://huggingface.co/datasets/TilQazyna/Til-Corpus-exp078.kazakh-terms-8k
kazakh-terms-8k
Қазақ терминдерін морфологиялық сегменттеу жинағы · Датасет морфологической сегментации казахских терминов · Kazakh term morphological segmentation dataset
Қазақша · Русский · English
Қазақша
kazakh-terms-8k — қазақ терминдерін морфологиялық сегменттеу модельдерін оқытуға және бағалауға арналған 8 000 белгіленген термин жинағы. Репозиторий көлемі — 2.3 МБ.
Құрамы
Негізгі кесте 8k_labeled_terms.csv файлында сақталған. Репозиторийде… See the full description on the dataset page: https://huggingface.co/datasets/TilQazyna/kazakh-terms-8k.