Multilingual static embeddings for Verbal Multiword Expressions trained on PARSEME raw corpora

 
LINDAT / CLARIAH-CZ
  Autoři
Estève, Louis Clément ; Savary, Agata and Lavergne, Thomas
  Identifikátor
http://hdl.handle.net/11234/1-5528
 URL projektu
https://gitlab.com/parseme/corpora
 Datum vydání
2024-06-07
 Typ
lexicalConceptualResource, text
 Velikost
44412316 entries, 17267 multiWordUnits
 Jazyky
Basque , Chinese , French , German , Hebrew , Hindi , Irish , Italian , Modern Greek (1453-) , Polish , Portuguese , Romanian , Swedish , Turkish
 Popis
This resource is a set of 14 vector spaces for single words and Verbal Multiword Expressions (VMWEs) in different languages (German, Greek, Basque, French, Irish, Hebrew, Hindi, Italian, Polish, Brazilian Portuguese, Romanian, Swedish, Turkish, Chinese). They were trained with the Word2Vec algorithm, in its skip-gram version, on PARSEME raw corpora automatically annotated for morpho-syntax (http://hdl.handle.net/11234/1-3367). These corpora were annotated by Seen2Seen, a rule-based VMWE identifier, one of the leading tools of the PARSEME shared task version 1.2. VMWE tokens were merged into single tokens. The format of the vector space files is that of the original Word2Vec implementation by Mikolov et al. (2013), i.e. a binary format. For compression, bzip2 was used.
 Nakladatel
Université Paris-Saclay, CNRS, Laboratoire Interdisciplinaire des Sciences du Numérique
 Sponzoři

Université Paris Saclay

Kód projektu: Plan blanc

Jméno projektu: PhD grant

 Klíčová slova
verbal multiword expressions word embeddings word2vec
 Kolekce
LINDAT / CLARIAH-CZ Data & Tools
Zobrazit celý záznam
 

 Soubory tohoto záznamu

Licenční kategorie:
Publicly Available

Licence: PARSEME Shared Task Raw Corpus Data (v. 1.2) Agreement
Distributed under Creative Commons
Icon
Název
INSTALL.md
Velikost
1.21 KB
Formát
Neznámý
Popis
Unknown
MD5
23fbf46cd30ccdae44893d3906946e9f
 Stáhnout soubor
Icon
Název
MWE_S2S_DE_typed_100d_skip-gram.bin.xz
Velikost
822.69 MB
Formát
application/x-xz
MD5
c5968c97c89a332d08d4ec100cc794b1
 Stáhnout soubor
Icon
Název
MWE_S2S_EL_typed_100d_skip-gram.bin.xz
Velikost
472.67 MB
Formát
application/x-xz
MD5
1408874115eb749721791284e4c0ee1e
 Stáhnout soubor
Icon
Název
MWE_S2S_EU_typed_100d_skip-gram.bin.xz
Velikost
145.61 MB
Formát
application/x-xz
MD5
0d2536382ddda7a92c68d7e6ffde23d4
 Stáhnout soubor
Icon
Název
MWE_S2S_FR_typed_100d_skip-gram.bin.xz
Velikost
1.96 GB
Formát
application/x-xz
MD5
e4ffbd8874d2ca4593036884c4f7fb0b
 Stáhnout soubor
Icon
Název
MWE_S2S_GA_typed_100d_skip-gram.bin.xz
Velikost
197.87 MB
Formát
application/x-xz
MD5
12804a1e814d9fd4f03608f821c73f08
 Stáhnout soubor
Icon
Název
MWE_S2S_HE_typed_100d_skip-gram.bin.xz
Velikost
117.52 MB
Formát
application/x-xz
MD5
c382b1f98e4d18c1652ef65d14f0a06b
 Stáhnout soubor
Icon
Název
MWE_S2S_HI_typed_100d_skip-gram.bin.xz
Velikost
319.86 MB
Formát
application/x-xz
MD5
b4fb6af09acf2fee1fa4c426f9b60b53
 Stáhnout soubor
Icon
Název
MWE_S2S_IT_typed_100d_skip-gram.bin.xz
Velikost
611.89 MB
Formát
application/x-xz
MD5
07a883f11b4442f2b0611e1fa29101f4
 Stáhnout soubor
Icon
Název
MWE_S2S_PL_typed_100d_skip-gram.bin.xz
Velikost
3.89 GB
Formát
application/x-xz
MD5
e2c4349c12f2da5fe4c7a918f67c0ec9
 Stáhnout soubor
Icon
Název
MWE_S2S_PT_typed_100d_skip-gram.bin.xz
Velikost
1.51 GB
Formát
application/x-xz
MD5
a40e2effa510c076c46e0eebe8c31bef
 Stáhnout soubor
Icon
Název
MWE_S2S_RO_typed_100d_skip-gram.bin.xz
Velikost
100.33 MB
Formát
application/x-xz
MD5
335a84cd858ad1854696cbb7cc41dd90
 Stáhnout soubor
Icon
Název
MWE_S2S_SV_typed_100d_skip-gram.bin.xz
Velikost
4.62 GB
Formát
application/x-xz
MD5
1c80c77c6eb64d9842fb3cae87d8dce8
 Stáhnout soubor
Icon
Název
MWE_S2S_TR_typed_100d_skip-gram.bin.xz
Velikost
237.35 MB
Formát
application/x-xz
MD5
4f193bcbc0c4d8dee5cbac6b753afe93
 Stáhnout soubor
Icon
Název
MWE_S2S_ZH_typed_100d_skip-gram.bin.xz
Velikost
679.84 MB
Formát
application/x-xz
MD5
c60eee0a4faf6ed54705e6d080335881
 Stáhnout soubor
Icon
Název
load_vectors.py
Velikost
1.29 KB
Formát
Neznámý
MD5
83c3839d234ba066126f9fb77bd22c71
 Stáhnout soubor
Icon
Název
load_vectors.sh
Velikost
153 bajtů
Formát
Neznámý
MD5
8219c98d3d1999d86660a9d8459395ca
 Stáhnout soubor
Icon
Název
md5_checksums.txt
Velikost
1022 bajtů
Formát
Textový soubor
MD5
0a2210bab3bd4160578317b8f9bd443a
 Stáhnout soubor  Náhled
 Náhled souboru   
c5968c97c89a332d08d4ec100cc794b1 *MWE_S2S_DE_typed_100d_skip-gram.bin.xz
1408874115eb749721791284e4c0ee1e *MWE_S2S_EL_typed_100d_skip-gram.bin.xz
0d2536382ddda7a92c68d7e6ffde23d4 *MWE_S2S_EU_typed_100d_skip-gram.bin.xz
e4ffbd8874d2ca4593036884c4f7fb0b *MWE_S2S_FR_typed_100d_skip-gram.bin.xz
12804a1e814d9fd4f03608f821c73f08 *MWE_S2S_GA_typed_100d_skip-gram.bin.xz
c382b1f98e4d18c1652ef65d14f0a06b *MWE_S2S_HE_typed_100d_skip-gram.bin.xz
b4fb6af09acf2fee1fa4c426f9b60b53 *MWE_S2S_HI_typed_100d_skip-gram.bin.xz
07a883f11b4442f2b0611e1fa29101f4 *MWE_S2S_IT_typed_100d_skip-gram.bin.xz
e2c4349c12f2da5fe4c7a918f67c0ec9 *MWE_S2S_PL_typed_100d_skip-gram.bin.xz
a40e2effa510c076c46e0eebe8c31bef *MWE_S2S_PT_typed_100d_skip-gram.bin.xz
335a84cd858ad1854696cbb7cc41dd90 *MWE_S2S_RO_typed_100d_skip-gram.bin.xz
1c80c77c6eb64d9842fb3cae87d8dce8 *MWE_S2S_SV_typed_100d_skip-gram.bin.xz
4f193bcbc0c4d8dee5cbac6b753afe93 *MWE_S2S_TR_typed_100d_skip-gram.bin.xz
c60eee0a4faf6ed54705e6d080335881 *MWE_S2S_ZH_typed_ . . .
Icon
Název
sha3_checksums.txt
Velikost
1.33 KB
Formát
Textový soubor
MD5
62c052404a4361b91df2464f21971885
 Stáhnout soubor  Náhled
 Náhled souboru   
e12d5f4d7539b161098d922ffb8935e9e9d350aec9a0f8aea110aac5 *MWE_S2S_DE_typed_100d_skip-gram.bin.xz
59a224848baee4c956565374935ccb8c53faa1151650ceb9af14f999 *MWE_S2S_EL_typed_100d_skip-gram.bin.xz
6a4f6b423d597db6b6b06942d452eac8aeffa6ef0d6e97d7e88d6c65 *MWE_S2S_EU_typed_100d_skip-gram.bin.xz
297d6cc656d909d62b063af92aada8b222b694e50e54a3e9ac984736 *MWE_S2S_FR_typed_100d_skip-gram.bin.xz
107bff85292d176ef0ac975e9f0625fd8376cba223e7b2f33bb03e7b *MWE_S2S_GA_typed_100d_skip-gram.bin.xz
d4951bd3322a635ab0971be28b91b630109ad9fd4878d8d8700b3984 *MWE_S2S_HE_typed_100d_skip-gram.bin.xz
6be3a825011a0213f33d5bce32e58e6aae26232d4a0dcfd4c266d477 *MWE_S2S_HI_typed_100d_skip-gram.bin.xz
dd436cd35d95395417eff750690b957aee6f906590b3ea238110cf96 *MWE_S2S_IT_typed_100d_skip-gram.bin.xz
c979d05a0d5c2658fc112d7555191b8f0601903a4eed47e83c561cd6 *MWE_S2S_PL_typed_100d_skip-gram.bin.xz
a64110568c0987dd152c80d2833e592523580da4991d763129dfb4f8 *MWE_S2S_PT_typed_100d_skip-gram.bin.xz
903c1f3e3d792625a064310623d317 . . .
Icon
Název
unzip.sh
Velikost
149 bajtů
Formát
Neznámý
MD5
85764c8a353ad3462b948e407cbdff5a
 Stáhnout soubor
Icon
Název
verify_checksums.sh
Velikost
351 bajtů
Formát
Neznámý
MD5
570a61090da4e672e2d7309e0ab7086a
 Stáhnout soubor
Icon
Název
zip.sh
Velikost
158 bajtů
Formát
Neznámý
MD5
44d9b3b265827ace9f9b49c724b64083
 Stáhnout soubor