Portuguese NLP

โปรตุเกส-NLP

รายการทรัพยากรและเครื่องมือที่พัฒนาขึ้นโดยมุ่งเน้นไปที่ภาษาโปรตุเกส

ชุดข้อมูล

• #pracegover - ชุดข้อมูลหลายรูปแบบพร้อมคำอธิบายภาพภาษาโปรตุเกสตามโพสต์จาก Instagram
• ตำราทางการแพทย์โปรตุเกสในศตวรรษที่ 18
• AG_NEWS PT - การแปลอัตโนมัติของคลังข้อมูลข่าวของ AG
• ข้อมูล Alpaca PT-BR-ชุดข้อมูล Stanford Alpaca ที่แปลเป็นภาษาโปรตุเกสของบราซิลโดยใช้ Helsinki-NLP/OPUS-MT-TC-BIG-EN-PT
• AspectBR - ชุดข้อมูลคำอธิบายประกอบที่อิงตามมุมมองของบทวิจารณ์ผู้บริโภคเว็บ
• Assin - ชุดข้อมูลที่มีคะแนนความคล้ายคลึงกันของความหมายและคำอธิบายประกอบการเข้าร่วม (HuggingFace)
• Assin 2 - ลำดับของ Assin (HuggingFace)
• ชุดข้อมูลเรียงความอัตโนมัติ (AES) ชุดข้อมูล - มาตรฐานสำหรับการให้คะแนนเรียงความอัตโนมัติในภาษาโปรตุเกส (HuggingFace)
• ชุดข้อมูล AYA PT - Cohereforai Aya ชุดข้อมูล Filtrado Para Português (PT)
• Blogset -BR - คอลเลกชันของโพสต์ที่รวบรวมจากแพลตฟอร์ม BlogSpot ที่เขียนโดยผู้ใช้ Brazillian
• Bluex - มาตรฐานตามการสอบเข้ามหาวิทยาลัยชั้นนำของบราซิล
• BOOLQ - TraduçãoAutomática Do Boolq
• BR-QUAD-2.0-ชุดข้อมูลตอบคำถาม Stanford (Squad) 2.0 แปลเป็นภาษาโปรตุเกสบราซิล (PT-BR)
• Brands.br - บทวิจารณ์ภาษาโปรตุเกสคลังข้อมูล
• การตัดสินใจของศาลในบราซิล - คอลเลกชันของ 4043 ementa (สรุป) การตัดสินใจของศาลและข้อมูลเมตาของพวกเขาจากศาล de ustiça de alagoas (TJAL), ศาลฎีกาของรัฐ Alagoas (บราซิล)
• บราซิลอีคอมเมิร์ซ-ชุดข้อมูลสาธารณะอีคอมเมิร์ซของบราซิลโดย Olist Store
• พาดหัวข่าวของบราซิล - ชุดข้อมูลที่มีการวิเคราะห์ความเชื่อมั่นของหัวข้อข่าวของสำนักข่าวบราซิล
• คลังวรรณกรรมโปรตุเกสของบราซิล - 3.7 ล้านคำศัพท์ของวรรณกรรมบราซิลที่ตีพิมพ์ระหว่างปี 1840-1908
• ชุดข้อมูลการเล่าเรื่องภาษาโปรตุเกสของบราซิล - ชุดข้อมูลสำหรับการให้คะแนนเรียงความอัตโนมัติของบทความเล่าเรื่องภาษาโปรตุเกสของบราซิล
• ชุดข้อมูลการวิเคราะห์ความเชื่อมั่นของโปรตุเกสของบราซิล
• การตัดสินของบราซิล TCU - การตัดสินของศาลรัฐบาลกลาง - บราซิล (TCU)
• Brwac - เว็บโปรตุเกสของบราซิลเป็นคลังข้อมูล
• Brwac2wiki - ชุดข้อมูลสำหรับการสรุปหลายเอกสารในภาษาโปรตุเกส
• B2W -REVIEWS01 - บทวิจารณ์ผลิตภัณฑ์
• Canarim - ชุดข้อมูลขนาดใหญ่ของหน้าเว็บในภาษาโปรตุเกส (HuggingFace)
• Carolina - Corpus Geral Do Português Brasileiro Contemporâneo (Huggingface)
• Capes - คลังข้อมูลคู่ขนานของวิทยานิพนธ์และวิทยานิพนธ์บทคัดย่อในภาษาอังกฤษและโปรตุเกส
• CC100 -Portuguese - สร้างโดย Conneau & Wenzek และคณะ ในปี 2020 ชุดข้อมูลนี้เป็นหนึ่งใน 100 บริษัท ของข้อมูล monolingual ที่ประมวลผลตั้งแต่เดือนมกราคม-ธันวาคม 2018 Commoncrawl Snapshots จากที่เก็บ CC-Net
• Cetenfolha - ข่าวจากหนังสือพิมพ์ Folha de S. Paulo
• Chave - คอลเลกชันสำหรับการดึงข้อมูลและตอบคำถาม
• Cintil Corpus - คลังข้อมูลที่ตีความทางภาษาศาสตร์ของโปรตุเกส
• Clinicalner - การรับรู้เอนทิตีชื่อทางคลินิกในโปรตุเกส
• Complexidade Textual Para Estágios Escolares Do Sistema Educacional Brasileiro
• CORAA - ชุดข้อมูลสำหรับการรู้จำเสียงพูดอัตโนมัติ
• CORAA SER - การรับรู้อารมณ์จากการพูดอย่างไม่เป็นทางการของโปรตุเกสบราซิล
• crawlpt_dedup-Crawlpt (deduplicated) ประกอบด้วยสาม corpora: brwac, c100-pt, oscar-2301
• CSTNEWS - คลังข้อมูลที่มีข้อความข่าว 50 กลุ่มพร้อมบทสรุปหลายเอกสารรวมถึงวาทกรรมและคำอธิบายประกอบความหมายหลายอย่าง
• C-Oror-Brasil-โครงการนี้อุทิศให้กับการศึกษาการพูดที่เกิดขึ้นเองของโปรตุเกสของบราซิลและในวงกว้างเพื่อรวบรวม Corpoan
• Dantestocks - คลังข้อมูลของตลาดหุ้นทวีตที่เขียนในภาษาโปรตุเกสของบราซิลและมีคำอธิบายประกอบกับหน่วยงานที่มีชื่อตามอนุกรมวิธานของฮาเร็ม
• Deepagé - ตอบคำถามในภาษาโปรตุเกสเกี่ยวกับสภาพแวดล้อมของบราซิล
• DNLT -BP - ชุดข้อมูลของการทดสอบภาษาทางประสาทวิทยาในภาษาโปรตุเกสของบราซิล
• Enem Challenge - ประกอบด้วยการเขียนเรียงความและส่วนวัตถุประสงค์ที่มีคำถามแบบปรนัย 180 ข้อ
• ENEM-20122 และ ENEM-20123-โครงการเหล่านี้ครอบคลุมคำถามแบบปรนัยทั้งหมดจากสองรุ่นสุดท้ายของ Exame Nacional Do Ensino Médio (ENEM) ซึ่งเป็นการสอบเข้ามาตรฐานหลักที่มหาวิทยาลัยบราซิลนำมาใช้
• Essay-BR-Essay-BR: คลังบทความสำหรับภาษาโปรตุเกสของบราซิล
• Extended Essay-BR-Essay-BR Corpus เวอร์ชันขยาย
• Factck.br - ชุดข้อมูลเพื่อศึกษาข่าวปลอมในภาษาโปรตุเกส
• FACTNENWS - ชุดข้อมูลเพื่อทำนายข้อเท็จจริงระดับประโยคของการรายงานข่าว
• เสียงปลอม - Deepfakes ในภาษาโปรตุเกสของบราซิลที่สร้างขึ้นด้วยรุ่น XTTS
• fake.br - จัดเรียงข่าวจริงและปลอมที่เขียนในบราซิลโปรตุเกส (Hugginface)
• central_de_fatos - (huggingface)
• Fakenewsset - (HuggingFace)
• FakePedia -Corpus - ชุดข้อมูลข่าวปลอม
• Fakerecogna - ชุดข้อมูลประกอบด้วยข่าวจริงและปลอม (HuggingFace)
• FakeWhatsapp.br - คลังข้อมูลคำอธิบายประกอบของข้อความ WhatsApp ใน PT -BR สำหรับการตรวจจับข้อมูลที่ผิดพลาดโดยอัตโนมัติ
• FKTC - คอลเลกชันข้อความข่าวปลอม
• Floresta Sintá (C) TICA - Treebank สำหรับโปรตุเกส
• Harem First - การประกวดการประเมินผลสำหรับผู้จดจำนิติบุคคลที่มีชื่อในโปรตุเกส
• HAREM Second - การประกวดการประเมินผลสำหรับผู้จดจำนิติบุคคลที่มีชื่อในโปรตุเกส
• HATEBR - ผู้เชี่ยวชาญขนาดใหญ่ที่มีคำอธิบายประกอบคลังข้อมูล Instagram ของบราซิลสำหรับคำพูดแสดงความเกลียดชังและการตรวจจับภาษาที่น่ารังเกียจบนเว็บและโซเชียลมีเดีย
• Historical Portuguese Corpora - เครื่องมือและทรัพยากรสำหรับการจัดการของ Corpora ประวัติศาสตร์และการจัดการพจนานุกรมประวัติศาสตร์
• IMDB PT - TraduçãoAtomática Do Imbd
• Inferbr - ชุดข้อมูลการอนุมานภาษาธรรมชาติ
• ชุดข้อมูล Iudicium textum - มีเอกสารทางกฎหมายที่สร้างขึ้นโดยศาลฎีกาของรัฐบาลกลางบราซิลในองค์ประกอบที่สำคัญ (กระดาษ)
• Lener -BR - ชุดข้อมูลสำหรับการรับรู้เอนทิตีที่มีชื่อในข้อความทางกฎหมายของบราซิล
• LegalPT_DedUp - LegalPT (deduplicated) รวมจำนวนสูงสุดของข้อมูลทางกฎหมายที่เปิดเผยต่อสาธารณะในภาษาโปรตุเกส
• Lex2Kids - พจนานุกรมในภาษาโปรตุเกสที่ได้ยินมากที่สุดโดยเด็ก ๆ
• Mac-Morpho-ข้อความโปรตุเกสของบราซิลมีคำอธิบายประกอบด้วยแท็กส่วนหนึ่งของคำพูด
• MilkQa - ชุดข้อมูลของคำถามหนาแน่นสำหรับงานเลือกคำตอบ
• รายงานการประชุมธนาคารกลางของบราซิล - รายงานการประชุมนโยบายการเงินของธนาคารกลางของบราซิล
• Ner ในทวีตโปรตุเกสของบราซิล - ข้อความ Twitter ใน PT -BR Annotated สำหรับเอนทิตีต่อ, LOC และ org
• Nerde - เอกสารจากนิติศาสตร์ของ Cade มีคำอธิบายประกอบสำหรับหน่วยงาน org, per, tempo, loc, leg (กฎหมาย), เอกสาร (เอกสาร), ความกล้าหาญ
• News-Crawl-PT-การรวบรวมข้อมูลข่าวภาษาเดียวที่ใช้สำหรับ WMT
• ข่าวของเว็บไซต์ Folha de São Paulo - ข่าวของหนังสือพิมพ์บราซิล Folha de São Paulo
• ข่าวที่ตีพิมพ์ในบราซิล - การรวบรวมข่าวของกลุ่ม Globo
• การสอบ OAB - การสอบบาร์เวอร์ชันบราซิล (USA) (HuggingFace)
• Corpora คู่ขนานจาก Revista Pesquisa Fapesp-โปรตุเกส-ภาษาอังกฤษและโปรตุเกส-สเปนคอลเล็กชันสองภาษาของประเด็นออนไลน์ของนิตยสารนิวส์วิทยาศาสตร์นิตยสารบราซิล Revista Pesquisa Fapesp
• Nurc-SP
• Pirá-ชุดข้อมูลภาษาโปรตุเกส-ภาษาอังกฤษสองภาษาสำหรับการตอบคำถามเกี่ยวกับมหาสมุทร
• PL-CORPUS-ส่วนหนึ่งของ Ulyssesner-BR ซึ่งเป็นคลังข้อมูลของเอกสารกฎหมายของบราซิลสำหรับ NER ที่มีเส้นเขตแดนที่มีคุณภาพ
• PLUE - การแปลภาษาโปรตุเกสของชุดข้อมูลกาวและชุดข้อมูล Scitail
• POETISA - การประมวลผลภาษาโปรตุเกส - ไปสู่การวิเคราะห์วากยสัมพันธ์และการแยกวิเคราะห์
• Politiquices - ชุดข้อมูลที่เกี่ยวข้องกับโครงการ Politiquices.pt
• Porsimplessent - คู่ประโยคที่จัดตำแหน่งเพื่อตรวจสอบการประเมินความสามารถในการอ่านประโยค
• Portilexicon -ud - พจนานุกรมสำหรับชาวบราซิลชาวโปรตุเกสตามการพึ่งพาสากล
• โปรตุเกส-เกลียด---ซ้อน-ชุดข้อมูลโปรตุเกสสำหรับการตรวจจับคำพูดแสดงความเกลียดชังประกอบด้วย 5,668 ทวีตพร้อมคำอธิบายประกอบแบบไบนารี (เช่น 'เกลียด' เทียบกับ 'ไม่เกลียดชัง') (HuggingFace)
• ประโยคทางกฎหมายของโปรตุเกส - การรวบรวมประโยคทางกฎหมายจากศาลฎีกาของโปรตุเกส
• การเลือกตั้งประธานาธิบดีโปรตุเกส - ชุดข้อมูลนี้มีทวีตและผู้ใช้ส่วนใหญ่มาจาก Twittersphere โปรตุเกส
• Pracegover - ชุดข้อมูลหลายรูปแบบที่มีรูปภาพที่เกี่ยวข้องกับคำอธิบายภาพโปรตุเกสตามโพสต์จาก Instagram
• Priberam Corpus ความคิดเห็นที่ละเอียดได้ดี-คลังข้อมูลการขุดความคิดเห็นของชาวโปรตุเกสอย่างละเอียด
• Propbank - มีอินสแตนซ์ที่มีคำอธิบายประกอบด้วยฉลากบทบาทความหมาย (SRL)
• Projeto ACDC - การเข้าถึงอินเทอร์เน็ตไปยัง Corpora
• Puntuguese - คลังของ Puns ในภาษาโปรตุเกสที่มี micro -editions (Huggingface)
• QA -Portuguese - การปรับตัวจากชุดข้อมูล MQA Portuguese Split (คู่ entailment QA)
• Quati-ชุดข้อมูลนี้มีวัตถุประสงค์เพื่อรองรับการพัฒนาระบบการดึงข้อมูล (PT-BR) ของบราซิล (PT-BR) การพัฒนาระบบ (PT-BR) การพัฒนาเอกสารที่สร้างขึ้นใน PT-BR รวมถึงการสืบค้น (หัวข้อ) ที่สร้างโดยเจ้าของภาษา
• Rebel -Portuguese - ชุดข้อมูล de relações partir da wikipedia
• Reli - Resenha de Livros
• REPRO: ชุดข้อมูลมาตรฐานสำหรับการขุดความคิดเห็นสำหรับบราซิลโปรตุเกส - ชุดข้อมูลมาตรฐานสำหรับการขุดความคิดเห็นสำหรับชาวโปรตุเกสบราซิล (HuggingFace)
• Rhetalho - คอร์ปัสหมายเหตุประกอบกับ Rsttool ของ Daniel Marcu
• SEMCLINBR-คลังข้อมูลที่มีความหมายแบบหลายสถาบันและหลายความพิเศษสำหรับงาน NLP ทางคลินิกของโปรตุเกส
• งา - คลังข้อมูลสำหรับ ner ในภาษาโปรตุเกส
• Sigarra News Corpus - ระบบข้อมูล Sigarra ที่มหาวิทยาลัยปอร์โต
• SimpleX -PB - ฐานข้อมูลการทำให้เข้าใจง่ายและมาตรฐานสำหรับภาษาโปรตุเกส
• SimpleX-PB-2.0-ปรับปรุง SimpleX-PB
• SimpleX-PB-3.0-SimpleX-PB เวอร์ชันใหม่
• Spotify Subset - การจำแนกประเภทภาษาในภาษาโปรตุเกสของบราซิล
• Squad -PT v1.1 - การแปลโปรตุเกสของชุดข้อมูลทีม
• Squad-PT v1.1-PT-BR-การแปลโปรตุเกสของบราซิลโปรตุเกสของชุดข้อมูลทีมแปลโดย Brasil การเรียนรู้ลึก
• Squad -PT V2.0 - การแปลชุดข้อมูลของ Squad 2.0 Portuguese
• SST -2 PT - การแปลอัตโนมัติของ Stanford Sentiment Treebank
• Temário - ข้อความข่าวและบทสรุปของมนุษย์ที่สอดคล้องกันเพื่อการสรุป
• คลังข้อมูลความซับซ้อนเชิงข้อความ - คลังความซับซ้อนเชิงข้อความสำหรับการฝึกงานของโรงเรียนในระบบการศึกษาของบราซิล
• TOLD -BR - การตรวจจับภาษาที่เป็นพิษในโซเชียลมีเดียสำหรับบราซิลโปรตุเกส (GITHUB)
• TTS -Portuguese Corpus - ข้อความถึงคำพูดภาษาโปรตุเกส
• Tweetsentbr - ทวีตในบราซิลโปรตุเกส
• ทวีตสำหรับการวิเคราะห์ความเชื่อมั่น
• UD_Portuguese -Bosque - Universal Dependencies (UD) Portuguese TreeBank
• UD_Portuguese -Cintil - Universal Dependencies (UD) Portuguese TreeBank
• UD_PORTUGUESE -GSD - Universal Dependencies (UD) Portuguese TreeBank
• UD_PORTUGUESE -PETROGOLD - Universal Dependencies (UD) Portuguese TreeBank
• ud_portuguese -pud - การพึ่งพาสากล (UD) Portuguese Treebank
• Ulyssesner -BR - คลังข้อมูลของเอกสารกฎหมายของบราซิลสำหรับการรับรู้เอนทิตีที่มีชื่อ
• Utlcorpus - คลังข้อมูลรีวิวออนไลน์ในคำอธิบายประกอบภาษาโปรตุเกสของบราซิลด้วยการจำแนกความช่วยเหลือ
• Winograd Schema Challenge - Solver สำหรับ Winograd Schema Challenge ที่ใช้โปรตุเกส
• WizardVicuna-PTBR-Instruct-Clean-Wizard Vicuna PT-BR สอนชุดข้อมูลที่สะอาด

ชุดข้อมูลหลายภาษา

• ชุดข้อมูลหลายภาษาสำหรับการตรวจสอบแบบแผนและทัศนคติเชิงลบต่อกลุ่มผู้อพยพในรูปแบบภาษาขนาดใหญ่
• Askd - ชุดข้อมูล Eli5 ดัดแปลงจากคำถามทางการแพทย์ (AskDocs) Subreddit
• ประโยคภาษาอังกฤษ-คอร์ทูกู-ประโยคภาษาอังกฤษ-พอร์ทูกูจากโครงการ Tatoeba
• Eur -Lex - คลังข้อมูลหลายภาษาในทุกภาษาทางการของสหภาพยุโรป
• Europarl - การดำเนินคดีของรัฐสภายุโรปขนานคอร์ปัส 2539-2554
• Europarl-St-คลังข้อมูลการแปลหลายภาษาที่มีตัวอย่างข้อความเสียงที่จับคู่สำหรับการแปลคำพูดที่สร้างขึ้นโดยใช้การอภิปรายที่ดำเนินการในรัฐสภายุโรปในช่วงระหว่างปี 2551 ถึง 2555
• MC4 - Web Crawl Corpus Web Crawl ของ Common Crawl Corpus ขึ้นอยู่กับชุดข้อมูลการรวบรวมข้อมูลทั่วไป
• MFAQ - คลังข้อมูลหลายภาษาของคำถามที่พบบ่อยที่แยกวิเคราะห์จากการรวบรวมข้อมูลทั่วไป
• MKQA - คำถามและคำตอบความรู้หลายภาษา (GitHub)
• MQA - คลังข้อมูลและคำตอบหลายภาษา (MQA) แยกวิเคราะห์จากการรวบรวมข้อมูลทั่วไป
• MMARCO - ชุดข้อมูลการจัดอันดับ MS Marco Passage หลายภาษา
• MROBUST - ชุดข้อมูลการจัดอันดับ TREC 2004 ที่มีหลายภาษา
• Multiconer - ชุดข้อมูลหลายภาษาขนาดใหญ่สำหรับการจดจำเอนทิตีที่มีชื่อ
• ต้อง C - คลังข้อมูลการแปลคำพูดหลายภาษา
• OpenSubtitles - คอลเลกชันคำบรรยายภาพยนตร์แปล
• ออสการ์ - คลังข้อมูลรวมที่มีขนาดใหญ่มาก
• Tatoeba - ฐานข้อมูลขนาดใหญ่ของประโยคและการแปล
• TED2020 - มีการรวบรวมข้อมูลเกือบ 4,000 TED และ TED -X Transcripts ตั้งแต่เดือนกรกฎาคม 2563
• TSAR-20122-shared-task-TSAR2022 งานที่ใช้ร่วมกันในการทำให้เข้าใจง่ายคำศัพท์
• Wikiann - ชุดข้อมูลการจดจำเอนทิตีที่มีชื่อหลายภาษาประกอบด้วยบทความ Wikipedia ที่มีคำอธิบายประกอบกับ LOC (ตำแหน่ง), ต่อ (บุคคล) และแท็ก org (องค์กร) ในรูปแบบ IOB2
• Wikilingua - ชุดข้อมูลการสรุปบทคัดย่อหลายภาษาที่แยกออกมาจาก WikiHow
• Wikimatrix - ประโยคคู่ขนานในคู่ภาษา 1620 คู่จาก Wikipedia
• Wikiner - การเรียนรู้การจดจำเอนทิตีหลายภาษาจาก Wikipedia
• WIKINEURAL - การสร้างข้อมูลสีเงินและความรู้ที่ใช้ความรู้รวมกันสำหรับ NER หลายภาษา (EMNLP 2021)
• Wikipedia - ชุดข้อมูล Wikipedia ที่มีบทความที่สะอาดของทุกภาษา
• XFORMAL - มาตรฐานสำหรับการถ่ายโอนสไตล์การพูดหลายภาษาหลายภาษา
• XLSUM - 1.35 ล้านคู่ที่มีคำอธิบายประกอบอย่างมืออาชีพบทความสรุปจาก BBC

พจนานุกรม

• Bats -PT - การแปลด้วยตนเองของส่วนพจนานุกรมของชุดทดสอบการเปรียบเทียบที่ใหญ่กว่า (BATS) เป็นภาษาโปรตุเกส
• Br.ispell - พจนานุกรม Ispell สำหรับบราซิลโปรตุเกส (GitHub)
• ConceptNet - กราฟความรู้หลายภาษาที่เปิดกว้าง
• Dicsin - พจนานุกรมคำพ้องความหมายและคำตรงข้าม
• LexicOnpt - แพ็คเกจ R ที่ให้คำศัพท์สำหรับการวิเคราะห์ข้อความภาษาโปรตุเกส
• พจนานุกรม - พจนานุกรมชื่อนามสกุลคำย่อและส่วนขยาย, หยุดคำ ฯลฯ
• LIWC - การสอบถามภาษาศาสตร์และจำนวนคำ (พจนานุกรม)
• ไปยัง. PT - Ontologia คำศัพท์ para o português
• OpenWordNet -PT - Open Access WordNet สำหรับภาษาโปรตุเกส (ไซต์)
• Oplexicon - พจนานุกรมความเชื่อมั่นสำหรับภาษาโปรตุเกส
• PALAVRAS - รายการคำของ Brazillian Portuguese
• Papel
• PT -BR - WordList, คำกริยา, การผันคำกริยา, ความถี่คำ
• PT-LKB-ฐานความรู้ศัพท์ภาษาโปรตุเกสขนาดใหญ่
• Pulo - อภิปรัชญาคำศัพท์ภาษาโปรตุเกสแบบครบวงจร
• Sentilex -PT - พจนานุกรมความเชื่อมั่นสำหรับโปรตุเกส
• Stopwords - คอลเลกชันคำหยุดภาษาโปรตุเกส
• tep2.
• UNITEX -PB - ทรัพยากรคำศัพท์
• VALEXPB - พจนานุกรมของบราซิลโปรตุเกสกริยา Valences
• verbnet.br 1.0 - คำศัพท์ทางวาจาของบราซิลโปรตุเกส
• Wikidict-DSL-PT-พจนานุกรม DSL สองภาษา Wikidata
• WordNetaffectbr - คำศัพท์ของคำอารมณ์
• Wordnet.br - Portuguese Wordnet

แบบจำลอง

• Albertina PT -BR - เป็นตัวเข้ารหัสของตระกูลเบิร์ตสำหรับภาษาโปรตุเกส - ตัวแปรอเมริกันจากบราซิล
• Albertina PT -PT - มันเป็นตัวเข้ารหัสของตระกูลเบิร์ตสำหรับภาษาโปรตุเกส - ตัวแปรยุโรปจากโปรตุเกส
• Alpaca-Lora-PTBR-คำสั่ง Llama ระดับต่ำ
• Bart - Bart Pre -Treinado EM Português
• Bertimbau-Bertimbau Base เป็นแบบจำลอง Bert ที่ได้รับการฝึกฝนสำหรับโปรตุเกสของบราซิลที่ได้รับการแสดงที่ล้ำสมัยในงาน NLP แบบดาวน์สตรีมสามงาน: การจดจำเอนทิตีที่มีชื่อ
• Biobertpt - รุ่นเบิร์ตที่ปรับแต่งอย่างละเอียดซึ่งได้รับการฝึกฝนเกี่ยวกับโดเมนทางคลินิกสำหรับภาษาโปรตุเกส (GitHub)
• CABRITA - คำแนะนำ Finetuned โปรตุเกส Llama (GitHub)
• Debertinha - A Deberta V3 XSMALL ปรับให้เข้ากับภาษาโปรตุเกสของบราซิล (GitHub)
• Electra - รุ่น Electra ที่ผ่านการฝึกอบรมเกี่ยวกับ Brwac
• Gervasio -PT -BR - เป็นตัวถอดรหัสของตระกูล GPT สำหรับภาษาโปรตุเกส - ตัวแปรอเมริกันจากบราซิล
• Gervasio -PT -PT - มันเป็นตัวถอดรหัสของตระกูล GPT สำหรับภาษาโปรตุเกส - ตัวแปรยุโรปจากโปรตุเกส
• Glória 1.3b - โมเดลภาษาขนาดใหญ่ที่เน้นภาษาโปรตุเกสในยุโรป (HuggingFace)
• GPT2 Small-Gportuguese-2 (Portuguese GPT-2 Small) เป็นรูปแบบภาษาที่ทันสมัยสำหรับภาษาโปรตุเกสตามรุ่นขนาดเล็ก GPT-2
• GPT-Neo Small-เวอร์ชั่น finetuned จาก GPT-Neo 125m โดย Eletheurai เป็นภาษาโปรตุเกส
• GPT2-BIO-PT-รุ่น finetuned ชีวการแพทย์จาก Gportuguese-2 (GitHub)
• Nerde -Base - Bertimbau Finetuned ไปยังเอกสารการพิจารณาคดี
• Roberta-pt-br
• Robertacrawlpt-Base-Robertacrawlpt-Base เป็นรูปแบบภาษาที่สวมหน้ากากภาษาโปรตุเกสทั่วไปที่ได้รับการปรับปรุงจากศูนย์
• Robertalexpt -base - รูปแบบภาษาที่สวมหน้ากากโปรตุเกสที่ได้รับการฝึกฝนมาตั้งแต่เริ่มต้นจาก legalpt และ crawlpt corpora
• Sabiá - Sabiá -7b เป็นรูปแบบภาษาโปรตุเกสที่พัฒนาโดย Maritaca AI
• Sabiá 2 - รูปแบบภาษาที่ผ่านการฝึกอบรมเกี่ยวกับข้อความภาษาโปรตุเกสโดยเฉพาะในโดเมนบราซิล
• รุ่น T5 - T5 บนข้อมูลภาษาโปรตุเกสของบราซิล
• TGF-XLM-Roberta-Base-PT-BR (GitHub)
• WAV2VEC-Facebook/WAV2VEC2-LARGE-XLSR-53 บน Portuguese โดยใช้รถไฟและการตรวจสอบความถูกต้องของเสียงทั่วไป 6.1

โมเดลหลายภาษา

• Bloom-Bigscience ขนาดใหญ่เปิดวิทยาศาสตร์แบบเปิดกว้างภาษาหลายภาษา
• Mbert - โมเดลที่ผ่านการฝึกอบรมใน 104 ภาษาบนสุดที่มีวิกิพีเดียที่ใหญ่ที่สุดโดยใช้วัตถุประสงค์การสร้างแบบจำลองภาษาหน้ากาก (MLM)
• mdeberta
• MGPT - รุ่น GPT หลายภาษา โมเดล GPT แบบอัตโนมัติ
• MMINILM-MMINILM-L6-V2 RERANKER FINETUNED บน MMARCO
• MT5 - T5 หลายภาษา หม้อแปลงข้อความที่ผ่านการฝึกอบรมหลายภาษาหลายภาษา
• XLM-Roberta-XLM-Roberta Model ได้รับการฝึกอบรมล่วงหน้าบนข้อมูล Commoncrawl ที่ผ่านการกรอง 2.5TB ที่มี 100 ภาษา
• Labse-Language-Agnostic Bert Sentence Encoder (LabSE) เป็นแบบจำลองที่ใช้ BERT ที่ได้รับการฝึกฝนสำหรับการฝังประโยคสำหรับ 109 ภาษา

การฝังคำ

• FastText - เวกเตอร์คำหลายภาษา
• เลเซอร์ - การเป็นตัวแทนประโยคที่ไม่เชื่อเรื่องภาษา
• NILC -embeddings - การฝังคำที่ได้รับการฝึกฝนในภาษาโปรตุเกสโดย USP
• Muse - การฝังตัวที่ไม่ได้รับการดูแลและดูแล
• Word Vectors - เวกเตอร์ Word ที่ผ่านการฝึกอบรมมาก่อน 30+ ภาษา

ตัวชี้วัด

• COH-Metrix-Port-การปรับเครื่องมือวิเคราะห์ข้อความ COH-Metrix เป็นภาษาโปรตุเกสของบราซิล
• NILC -Metrix - รวบรวมตัวชี้วัดที่พัฒนามานานกว่าทศวรรษใน NILC Lab

บอร์ดลีดเดอร์

• Open PT LLM LEADERBOARD - OPEN PT LLM LEADERBOARD มีจุดมุ่งหมายเพื่อให้มาตรฐานสำหรับการประเมินแบบจำลองภาษาขนาดใหญ่ (LLMS) ในภาษาโปรตุเกสในงานและชุดข้อมูลที่หลากหลาย

เฟรมเวิร์ก

• nlpnet
• nltk
• ภาพรวมหลายภาษา
• เครื่องราง
• stanza nlp
• UDPIPE

สถาบัน

• Brasileiras em pln
• HAILAB -PUCPR - กลุ่มวิจัยผู้บุกเบิกโดยมีวัตถุประสงค์เพื่อพัฒนาโซลูชั่นสำหรับการดูแลสุขภาพโดยใช้การประมวลผลภาษาธรรมชาติและการเรียนรู้ของเครื่อง
• Linguateca
• Nilc.
• Nlportuguês - อุทิศให้กับการสร้างหลักสูตร NLP ในภาษาโปรตุเกสของบราซิล
• กลุ่ม NLX
• pln pucrs

เครื่องมือ

• Apertium -por - ข้อมูลภาษาศาสตร์ Apertium สำหรับภาษาโปรตุเกส
• Autocorrect - ตัวตรวจสอบการสะกดคำใน Python
• Brgram - ชิ้นส่วนไวยากรณ์การคำนวณของชาวบราซิลโปรตุเกสในพิธีการ LFG ที่ใช้ใน XLE
• DICIO API - API พจนานุกรมโปรตุเกส
• DICT-PT-BR-พจนานุกรมสำหรับบราซิลโปรตุเกส
• Languagetool - Checker สไตล์และไวยากรณ์สำหรับ 25+ ภาษา
• LegalNLP - วิธีการประมวลผลภาษาธรรมชาติสำหรับภาษากฎหมายของบราซิล
• Lexml Parser - ตัวแยกวิเคราะห์สำหรับเอกสารทางกฎหมาย
• LX Parser - ตัวแยกวิเคราะห์การเลือกตั้งทางสถิติสำหรับโปรตุเกส
• Metaphone -PTBR - อัลกอริทึม metaphone สำหรับภาษาโปรตุเกส
• MLCONJUG3 - ห้องสมุด Python เพื่อผันคำกริยาในภาษาโปรตุเกสและภาษาอื่น ๆ
• Morphobr - ทรัพยากรสำหรับการวิเคราะห์ทางสัณฐานวิทยาของโปรตุเกส
• Opcluster - การสกัดอัตโนมัติและการจัดกลุ่มของความคิดเห็นที่ละเอียด
• Phonemizer - ตัวแปลงโทรศัพท์แบบง่าย ๆ สำหรับหลายภาษา
• Porgram - ไวยากรณ์การคำนวณโอเพนซอร์สสำหรับโปรตุเกสในพิธีการ HPSG
• pymetaphone -br - แพ็คเกจอัลกอริทึม metaphone สำหรับภาษาโปรตุเกส
• Pysentimiento - ชุดเครื่องมือหลายภาษาสำหรับการวิเคราะห์ความเชื่อมั่นและงาน NLP ทางสังคม
• PyspellChecker - การตรวจสอบการสะกดหลายภาษา
• RBAMR - ตัวแยกวิเคราะห์ AMR ตามกฎสำหรับโปรตุเกส
• VERBECC - การผันคำกริยาใด ๆ ที่สมบูรณ์โดยใช้การเรียนรู้ของเครื่องจักรสำหรับฝรั่งเศส, สเปน, โปรตุเกส, อิตาลีและโรมาเนีย

รายการอื่น ๆ

• ชุดข้อมูลความสัมพันธ์เชิงความหมายหมายเหตุประกอบ
• ชุดข้อมูลภาษาศาสตร์ - ชุดข้อมูลภาษาศาสตร์สำหรับภาษาโปรตุเกส
• Ner-Datasets สำหรับโปรตุเกส
• นิวเคลียส
• NILC 2
• NILC 3
• Internando - การขุดความคิดเห็นสำหรับโปรตุเกส
• รายการชุดข้อมูลโปรตุเกส

ลิงค์อื่น ๆ

• Opus - Opus เป็นคอลเลกชันที่เพิ่มขึ้นของข้อความที่แปลจากเว็บ
• การแปลทางสถิติและระบบประสาท