Datasets

A continuación se muestra información sobre conjuntos de datos textuales en español creados con el objetivo de resolver tareas de PLN. En este caso, se trata de colecciones de textos, generalmente enriquecidas con anotaciones.
  • DIPROMATS-ES 2023

    Política
    Español , Inglés
    Publicado en 2023
    9,591
    Tuits
    clasificación de textos

  • GUA-SPA: Guarani Spanish corpus

    Noticias
    Español , Español (Paraguay) , Guarani
    Publicado en 2023
    1,500
    Noticias
    detección de cambio de código

  • ClinAIS 2023

    Salud
    Español
    Publicado en 2023
    1,038
    Informes clínicos
    clasificación de textos

  • SMM4H-tweets-es-2022

    Salud
    Español
    Publicado en 2022
    20,481
    Tuits
    clasificación de textos

  • MEDDOPROF

    Salud
    Español
    Publicado en 2021
    1,844
    Informes clínicos de revistas
    clasificación de textos

  • ADoBo

    Español
    Publicado en 2021
    Leyes
    clasificación de textos

  • MEDDOCAN

    Salud
    Español
    Publicado en 2019
    1,000
    Informes de casos clínicos
    reconocimiento de entidades nombradas, extracción de información

  • eHealth-KD 2019

    Español
    Publicado en 2019
    1,000
    Salud
    extracción de información

  • Tweets emojis-ES

    Español
    Publicado en 2018
    120,000
    Tuits
    clasificación de textos

  • Hypernym corpora-ES

    Español
    Publicado en 2018
    2,000
    Palabras
    extracción de información

  • MLDoc-ES

    Noticias
    Español
    Publicado en 2018
    14,458
    Noticias
    clasificación de textos

  • RepLab-2014-Profiling

    Finanzas
    Español
    Publicado en 2014
    48,705
    Tuits
    clasificación de textos

  • RepLab-2014-Reputation

    Finanzas
    Español
    Publicado en 2014
    48,705
    Tuits
    clasificación de textos

Si has publicado un resultado mejor que los de la lista, envía un mensaje a odesia-comunicacion@lsi.uned.es indicando el resultado y el DOI del artículo, junto con una copia del mismo si no está publicado en abierto.