slone/e-mordovia-articles-2023
收藏Hugging Face2025-03-29 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/slone/e-mordovia-articles-2023
下载链接
链接失效反馈官方服务：
资源简介：
这是一个从https://www.e-mordovia.ru网站收集的新闻文章对齐数据集，包含俄语和埃尔зя语两种语言。数据集通过自动化的方式对句子进行对齐，并包含了用于评估句子对齐质量的相似度信息。该数据集可用于机器翻译模型的训练，以提高对埃尔зя语的翻译质量。
This is an aligned dataset of news articles in Erzya and Russian, collected from https://www.e-mordovia.ru. The dataset contains sentence-level alignment information and similarity metrics for evaluation and filtering of the alignment quality. It is intended for use in training machine translation models to improve translation quality for the Erzya language.
提供机构：
slone
原始信息汇总
数据集概述
特征信息
- src_sent_id: 数据类型为
float64 - src_sent: 数据类型为
string - tgt_sent_id: 数据类型为
float64 - tgt_sent: 数据类型为
string - sim: 数据类型为
float64 - sim_pnlz: 数据类型为
float64 - src_doc_hash: 数据类型为
string - tgt_doc_hash: 数据类型为
string - docs_sim: 数据类型为
float64 - src_id: 数据类型为
int64
数据分割
- train: 包含 76400 个样本，总字节数为 39447584
数据集大小
- 下载大小: 15646643 字节
- 数据集大小: 39447584 字节
