mpasila/ParallelFiction-Ja_En-100k-json
收藏Hugging Face2024-04-02 更新2024-06-11 收录
下载链接：
https://hf-mirror.com/datasets/mpasila/ParallelFiction-Ja_En-100k-json
下载链接
链接失效反馈官方服务：
资源简介：
该数据集包含句子对齐的日本网络小说章节及其英文粉丝翻译，适用于文档翻译任务。每个数据条目包括源文本（日文章节）、目标文本（英文翻译）以及元数据，如来源、小说系列名称、未检测到的互译行数和插入行数等。
该数据集包含句子对齐的日本网络小说章节及其英文粉丝翻译，适用于文档翻译任务。每个数据条目包括源文本（日文章节）、目标文本（英文翻译）以及元数据，如来源、小说系列名称、未检测到的互译行数和插入行数等。
提供机构：
mpasila
原始信息汇总
数据集概述
数据集名称
ParallelFiction-Ja_En-100k
许可证
Apache-2.0
任务类别
- 翻译
语言
- 日语 (ja)
- 英语 (en)
数据集内容
每个条目包含一个日语网络小说章节及其对应的英语粉丝翻译，句子对齐。
用途
主要用于文档翻译任务。
数据集格式
json { src : JAPANESE CHAPTER, trg : ENGLISH TRANSLATION, meta : { "source": SAME ACROSS ALL ENTRIES, "series": NAME OF WEB NOVEL SERIES, "missed_lines": NUMBER OF LINES THAT WERE AT THE SAME INDEX BUT NOT DETECTED AS BEING TRANSLATIONS OF EACH OTHER, "inserted_lines_src": NUMBER OF LINES IN THE JAPANESE TEXT THAT DID NOT HAVE A MATCHING TRANSLATION BUT ARE BUFFERED BY TRANSLATED LINES, "inserted_lines_trg": SAME AS ABOVE BUT FOR ENGLISH, } }
注意事项
- 高数量的插入行不一定表示配对质量差，因为许多翻译在发布时会合并或分割源章节。
- 应关注高数量的遗漏行或源和目标中插入行数量都很高的条目。
