ERUPD_NMT

kaggle2024-11-12 更新2025-02-22 收录

机器翻译

乌尔都语处理

数据链接：

https://www.kaggle.com/datasets/cygnusanubis/erupd-nmt 数据链接链接失效反馈

官方服务：

资源简介：

English to Roman Urdu Parallel Dataset

英式转罗马乌尔都语平行数据集

创建时间：

2024-11-12

Napizia/Good-Sicilian-in-NLLB

机器翻译

自然语言处理

该数据集名为Good Sicilian in the NLLB，主要关注西西里语的翻译质量。数据集由Project Napizia提供，旨在帮助语言模型学习符合西西里文学传统的语言。数据集包含从NLLB数据集中筛选出的高质量西西里语翻译对，并通过Napizia的翻译模型进行评分。数据集还提供了50,000对最佳翻译对的CSV文件。数据集来源于Meta AI发布的元数据，并经过Allen AI的处理

Hugging Face2025-08-16 更新150

michsethowusu/kinyarwanda-tsonga_sentence-pairs

自然语言处理

机器翻译

该数据集包含非洲语言句子对及其相似度评分，适用于机器翻译、句子对齐或其他自然语言处理任务。数据集基于NLLBv1构建，包含332,229行，每行有三个字段：相似度评分、基尼亚鲁旺达语句子和宗加语句子。可用于训练和评估机器学习模型，进行翻译、句子相似度计算和跨语言迁移学习等任务。

Hugging Face2025-03-30 更新130

JESC (Japanese-English Subtitle Corpus)

自然语言处理

机器翻译

日英字幕语料库是一个大型的日英平行语料库，涵盖了代表性不足的对话对话领域。它包含超过 320 万个示例，使其成为同类中最大的免费数据集。该语料库是通过抓取和对齐网络上的字幕来组装的。

OpenDataLab2026-07-12 更新90

Kosp2e