数据堂—98万组中文-乌尔都语平行语料数据

中文-乌尔都语平行语料数据包括98万组中文、乌尔都语平行互译语料，数据存储格式为txt文档。已进行数据清洗脱敏质检，可作为文本类数据分析的基础语料库，用于机器翻译等领域

The Chinese-Urdu parallel corpus includes 980,000 pairs of mutually translated Chinese and Urdu texts. The data is stored in TXT format. It has undergone data cleaning, de-identification and quality inspection, and can serve as a foundational corpus for text data analysis and applications such as machine translation.

搜集汇总

背景与挑战

背景概述

该数据集包含98万组中文-乌尔都语平行语料，以TXT格式存储，经过清洗和质量检查，适用于机器翻译等文本分析任务。数据来源于数据堂，具有商业使用许可。