Helsinki-NLP/opus_infopankki

OpusInfopankki数据集是一个多语言翻译数据集，包含多种语言对。每个配置都有详细的描述，包括每个语言对的字节数、示例数、下载大小和数据集大小。该数据集采用CC-BY-4.0许可，归类为翻译任务。

原始信息汇总

数据集概述

基本信息

• 名称: OpusInfopankki
• 语言: 多语言，包括阿拉伯语 (ar)、英语 (en)、西班牙语 (es)、爱沙尼亚语 (et)、波斯语 (fa)、芬兰语 (fi)、法语 (fr)、俄语 (ru)、索马里语 (so)、瑞典语 (sv)、土耳其语 (tr)、中文 (zh)
• 许可证: CC-BY-4.0
• 多语言性: 多语言
• 大小: 10K<n<100K
• 来源: 原始数据
• 任务类别: 翻译

数据集结构

数据集包含多种语言对的翻译数据，每个语言对都有独立的配置，例如 ar-en、en-es 等。每个配置下包含以下信息：

• 特征: 每个配置的特征为 translation，包含两种语言。
• 分割: 数据集主要分割为 train，每个语言对的训练数据量和示例数量不同。

数据集示例

以下是部分语言对的数据示例：

ar-en

• 训练数据: 50769 个示例，总字节数 10133337
• 下载大小: 2775475 字节

en-es

• 训练数据: 42657 个示例，总字节数 6933983
• 下载大小: 2108422 字节

es-et

• 训练数据: 42342 个示例，总字节数 6611956
• 下载大小: 2109076 字节

这些数据展示了数据集的多样性和详细结构，适用于多种语言的翻译任务。