Indic Trans 2 - BPCC

kaggle2023-12-01 更新2024-03-11 收录

下载链接：

https://www.kaggle.com/datasets/lallucycle/indic-trans-2-bpcc

下载链接

链接失效反馈

官方服务：

资源简介：

创建时间：

2023-12-01

dataset_for_indic_trans2

kaggle2024-04-16 更新00

UNSUPERVISED_BPCC_dataset

Unsupervised Multilingual Text Corpus for Assamese, Bengali, Gujarati, Marathi,

kaggle2025-12-05 更新50

SPRINGLab/BPCC_cleaned

--- dataset_info: features: - name: src_lang dtype: class_label: names: '0': eng_Latn '1': ben_Beng '2': guj_Gujr '3': hin_Deva

Hugging Face2024-11-12 更新130

BPCC Parallel Corpus

BPCC Parallel Corpus是由语言技术研究中心（LTRC）在IIIT-海得拉巴创建的一个大规模平行语料库，包含2.3亿个句子对，涵盖英语和22种印度语言。该数据集通过手动验证的子集BPCC-Human Corpus提供了高质量的数据，适用于训练和评估机器翻译模型。数据集的创建旨在解决印度语言在机器翻译中的独特挑战，如复杂的形态结构和多样化的脚本使用。该数据集的应用领域广泛，包括跨语言

arXiv2024-12-06 更新590

AntoineSchutz/BPCC_Base

BPCC_Base-en-hi数据集包含四个特征：输入文本(input)，翻译文本(translation)，comet评分(comet)和blaser评分(blaser)。该数据集划分为训练集(train)，共有40270个示例，总文件大小为15967631字节。

Hugging Face2025-04-11 更新50