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.
-
The EA-MT dataset
Español , Inglés , Árabe , Alemán , Francés , Italiano , Coreano , ChinoPublicado en 202557611.00MBtraducción automática -
mCLAN-2025-es
SocialEspañol , Inglés , Árabe , Alemán , Francés , Hindi , PortuguésPublicado en 20254,336Afirmacionesdetección de noticias falsas -
XC-Translate-2025-en-es
DiversosEspañol , Inglés , Árabe , Alemán , Francés , Italiano , Coreano , ChinoPublicado en 20256,148Pares de oracionestraducción automática -
Mu-SHROOM-2025-es
DiversosEspañol , Inglés , Árabe , Alemán , Farsi , Francés , Hindi , Italiano , Sueco , ChinoPublicado en 2025200Wikipediageneración de texto, factuality -
GUA-SPA: Guarani Spanish corpus
NoticiasEspañol , Español (Paraguay) , GuaraniPublicado en 20231,500Noticiasdetección de cambio de código
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.
