hind_encorp

HindEnCorp主要用于机器翻译任务，它提供英地平行文本，规模在10万到100万个样本之间。数据来源于Tides、Daniel Pipes的评论、EMILLE等多个来源，并通过众包和机器生成的方式进行语言创作。数据集中包含源标识符、对齐类型、对齐质量以及英语和印地语的文本片段等字段。数据集采用CC BY-NC-SA 3.0授权许可。