Helsinki-NLP/bible_para

BiblePara数据集是一个多语言的圣经平行语料库，支持多种语言对的翻译任务。数据集包含了多种语言的圣经文本，如德语、英语、法语、西班牙语、芬兰语、挪威语、印地语等。每个语言对的数据实例包括id和翻译文本，数据分割为训练集。数据集的加载方式可以通过指定语言代码对来实现。数据集的详细信息可以在其Homepage上找到。

原始信息汇总

数据集概述

• 数据集名称: BiblePara
• 语言: 多语言，包括但不限于acu, af, agr, ake, am, amu, ar, bg, bsn, cak, ceb, ch, chq, chr, cjp, cni, cop, crp, cs, da, de, dik, dje, djk, dop, ee, el, en, eo, es, et, eu, fi, fr, gbi, gd, gu, gv, he, hi, hr, hu, hy, id, is, it, ja, jak, jiv, kab, kbh, kek, kn, ko, la, lt, lv, mam, mi, ml, mr, my, ne, nhg, nl, no, ojb, pck, pes, pl, plt, pot, ppk, pt, quc, quw, ro, rom, ru, shi, sk, sl, sn, so, sq, sr, ss, sv, syr, te, th, tl, tmh, tr, uk, usp, vi, wal, wo, xh, zh, zu
• 许可证: cc0-1.0
• 多语言性: 多语言
• 大小类别: 10K<n<100K
• 源数据集: 原始
• 任务类别: 翻译

数据集结构

• 配置名称: de-en, en-fr, en-es, en-fi, en-no, en-hi
• 特征:
  • id: 字符串类型
  • translation: 字符串类型，包含多种语言对
• 分割:
  • train:
    • de-en: 62195个例子，17262178字节，下载大小5440713字节
    • en-fr: 62195个例子，17536445字节，下载大小5470044字节
    • en-es: 62191个例子，17105724字节，下载大小5418998字节
    • en-fi: 62026个例子，17486055字节，下载大小5506407字节
    • en-no: 62107个例子，16681323字节，下载大小5293164字节
    • en-hi: 62073个例子，27849361字节，下载大小6224765字节