コンテキスト TEDはあらゆるトピックに関する強力なアイデアの普及に専念しています。これらのデータセットには、多言語の文字起こしを含む4,000以上のTEDトークが収録されています。 以下にリストされていない言語のデータセット、または別のファイル形式（JSON、SQLなど）のデータセットが必要な場合は、私のPythonモジュール – [TEDscraper](https://github.com/corralm/TEDscraper)をチェックアウトしてください。 言語 TEDトークは100以上の言語で字幕付きになっています。私はこれら12の言語のデータセットを含めました： | コード | 言語 | | ---- | ---- | | en | 英語 | | es | スペイン語 | | pt-br | ポルトガル語（ブラジル） | | fr | フランス語 | | it | イタリア語 | | zh-cn | 中国語（簡体字） | | zh-tw | 中国語（繁体字） | | ko | 韓国語 | | ja | 日本語 | | tr | トルコ語 | | ru | ロシア語 | | he | ヘブライ語 | 属性 | 属性 | 説明 | データ型 | | ---- | ---- | ---- | | talk_id | TEDによって提供されるトークの識別番号 | 整数 | | title | トークのタイトル | 文字列 | | speaker_1 | TEDの講演者リストの最初の講演者 | 文字列 | | speakers | トークの講演者 | 辞書 | | occupations | *講演者の職業 | 辞書 | | about_speakers | *各講演者に関する紹介文 | 辞書 | | views | 閲覧回数 | 整数 | | recorded_date | トークが録画された日付 | 文字列 | | published_date | トークがTED.comに公開された日付 | 文字列 | | event | トークが行われたイベントまたは媒体 | 文字列 | | native_lang | トークが行われた言語 | 文字列 | | available_lang | トークの利用可能なすべての言語（言語コード） | リスト | | comments | コメント数 | 整数 | | duration | 秒単位の時間 | 整数 | | topics | トークに関連するタグまたはトピック | リスト | | related_talks | 関連するトーク（キー = 'talk_id'、値 = 'title'） | 辞書 | | url | トークのURL | 文字列 | | description | トークの説明 | 文字列 | | transcript | トークの完全な文字起こし | 文字列 | *辞書のキーは「speakers」の講演者に対応します。 メタ情報 著者：ミゲル・コラール・ジュニア メール：corraljrmiguel@gmail.com LinkedIn：https://www.linkedin.com/in/miguelcorraljr/ GitHub：https://github.com/corralm クリエイティブ・コモンズ・ライセンス – 表示 - 非営利 4.0国際版（[CC BY - NC 4.0](https://creativecommons.org/licenses/by - nc/4.0/)）の下で配布されています。 インスピレーション * 自然言語処理 * トピックモデリング * クラスタリング * レコメンダーシステム * 分類 * 回帰