983万组中日平行语料数据
收藏数据堂2024-05-23 收录
下载链接:
https://www.datatang.com/dataset/1069
下载链接
链接失效反馈官方服务:
资源简介:
983万组中日平行互译语料,数据存储格式为txt文档,包括通用、IT、新闻、专利、国际工程五个领域数据。已进行数据清洗脱敏质检,可作为文本类数据分析的基础语料库,用于机器翻译等领域。
This dataset contains 9.83 million pairs of Chinese-Japanese parallel translation corpora, stored in TXT document format, covering five domains including general, IT, news, patent, and international engineering. It has undergone data cleaning, de-identification and quality inspection, and can serve as a foundational corpus for text-based data analysis and applications such as machine translation.
提供机构:
数据堂
搜集汇总
数据集介绍

背景与挑战
背景概述
该数据集包含983万对中日平行互译语料,以TXT格式存储,覆盖通用、IT、新闻、专利和国际工程五个领域。数据经过清洗脱敏质检,准确率达90%,专为机器翻译等文本分析任务设计,提供高质量的基础语料库。
以上内容由遇见数据集搜集并总结生成



