albertvillanova/mtet

MTet（多领域英语-越南语翻译）数据集包含大约420万条英语-越南语平行文本，涵盖了多个不同领域，如医学出版物、宗教文本、工程文章、文学、新闻和诗歌。该数据集扩展了之前的SAT（风格增强翻译）数据集（v1.0），增加了更多高质量的英语-越南语句对，覆盖了更多领域。数据集主要用于机器翻译任务，语言为越南语（`vi`）和英语（`en`）。数据集的许可证为CC BY-NC-SA 4.0，允许非商业用途的共享和改编，但需署名并保持相同许可证。

原始信息汇总

数据集概述

数据集名称

• 名称: MTet
• 全称: Multi-domain Translation for English-Vietnamese

数据集描述

• 概述: MTet 数据集包含约4.2百万对英语-越南语平行文本，涵盖医疗出版物、宗教文本、工程文章、文学、新闻和诗歌等多个领域。
• 扩展说明: 此数据集是对先前的SAT (Style Augmented Translation) 数据集（v1.0）的扩展，增加了更多高质量的英语-越南语句子对。

支持的任务

• 任务: 机器翻译

语言信息

• 语言:
  • 英语 (en)
  • 越南语 (vi)

数据集结构

• 数据实例示例: json { translation: { en: He said that existing restrictions would henceforth be legally enforceable, and violators would be fined., vi: Ông nói những biện pháp hạn chế hiện tại sẽ được nâng lên thành quy định pháp luật, và những ai vi phạm sẽ chịu phạt. } }

• 数据字段:

  • translation:
    • en: 英语平行文本。
    • vi: 越南语平行文本。

• 数据分割:

  • 分割类型: 训练集
  • 示例数量: 4163853

数据集创建

• 许可证: Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
• 引用信息: bibtex @article{mTet2022, author = {Chinh Ngo, Hieu Tran, Long Phan, Trieu H. Trinh, Hieu Nguyen, Minh Nguyen, Minh-Thang Luong}, title = {MTet: Multi-domain Translation for English and Vietnamese}, journal = {https://github.com/vietai/mTet}, year = {2022}, }

贡献者

• 贡献者: @albertvillanova