Hizkuntza baliabideak

You will find here information about the Idiomatic language Test Suite (IdioTS dataset). IdioTS dataset is a new evaluation dataset specifically crafted for idiom detection in English. It is composed by a total of 250 sentences, 164 of which are idiomatic and 86 distractor sentences. (page under construction, more information coming soon)

Euskararako entrenatu diren hiru eredu neuronal daude publikoki atzigarri hemen: fastext embedding-ak, BERT hizkuntza eredua, eta FLAIR hizkuntza eredua. BERT hizkuntza eredua Hugging Face-eko liburutegiarekin erabili daiteke zuzenean: https://huggingface.co/ixa-ehu/berteus-base-cased

Euskarazko Testu Sinplifikatuen Corpusa (ETSC) eskuz sinplifikatutako testuekin eta euren jatorrizko bertsioarekin osatu dugun testu-bilduma da. Testuak sinplifikatzean egin diren eragiketak deskribatzeko etiketatze-eskema osatu dugu eta testuak BRAT tresnaren (Stenetorpet al., 2012) bitartez etiketatu ditugu.