دیتاست برای تشخیص زبان متن

🗃 نوع: #متن

📮 اندازه: 12.39 MB

📖 توضیحات: این دیتاست شامل ۲۳۵۰۰۰ پاراگراف از ۲۳۵ زبان است که هر برای هر زبان هزار پاراگراف وجود دارد.

📤 برای دریافت داده و کسب اطلاعات بیشتر به لینک زیر مراجعه کنید‌. 👇👇

https://www.kaggle.com/zarajamshaid/language-identification-datasst

لطفا به اشتراک بگذارید👈🏻
@persian_data

غلط های املایی

🗃 نوع: #متن

📮 اندازه: 146.42 KB

📖 توضیحات:
این مجموعه داده شامل ۵۰۵۰ جفت کلمه فارسی است که ستون اول یک کلمه غلط املایی و ستون دوم شکل صحیح آن کلمه است. از این مجموعه داده در مباحث نرمالسازی می‌توان استفاده کرد.

📤 برای دریافت داده و کسب اطلاعات بیشتر به لینک زیر مراجعه کنید‌. 👇👇

https://www.kaggle.com/rtatman/faspell

لطفا به اشتراک بگذارید👈🏻
@persian_data

نظرات کاربران سایت طاقچه 2019

🗃 نوع: #متن

📮 اندازه: 21.03 MB

📖 توضیحات:
تعداد ۱۱ هزار نظر از سایت طاقچه به همراه امتیاز مربوط به هر نظر که مناسب برای انجام پروژه‌های تحلیل احساسات است.

📤 برای دریافت داده و کسب اطلاعات بیشتر به لینک زیر مراجعه کنید‌. 👇👇

https://www.kaggle.com/saeedtqp/taaghche

لطفا به اشتراک بگذارید👈🏻
@persian_data

fastText pre-trained persian word vectors

🗃 نوع: #متن

📮 اندازه: 4.22 GB

📖 توضیحات:
مدل‌های زبانی آموزش دیده شده فارسی

📤 برای دریافت داده و کسب اطلاعات بیشتر به لینک زیر مراجعه کنید‌. 👇👇

https://www.kaggle.com/javadhelali/fasttext-pretrained-persian-word-vectors

لطفا به اشتراک بگذارید👈🏻
@persian_data