veezbo/phinc

PHINC是一个用于机器翻译的平行语料库，包含13,738个代码混合的英语-印地语句子及其对应的英语翻译。这些翻译是由注释者手动完成的。该数据集的目的是促进代码混合机器翻译的未来研究机会。代码混合是指在句子中使用多种语言的现象，这在社交媒体平台上非常常见。使用混合语言的灵活性可能有助于与目标受众进行有效沟通，但也增加了处理和理解自然语言的挑战。

原始信息汇总

数据集概述

基本信息

• 许可证: cc-by-4.0
• 任务类别:
  • 翻译
  • 文本生成
• 语言:
  • 英语
  • 印地语
• 数据集名称: A Parallel Hinglish Social Media Code-Mixed Corpus for Machine Translation
• 数据集大小: 10K<n<100K

描述

PHINC是一个用于机器翻译的平行语料库，它将混合代码的印英（一种在现代印度常用的印地语和英语的融合）与人工生成的英语翻译配对。

原始摘要

代码混合是指在一个句子中使用多种语言的现象。这是社交媒体平台上非常常见的沟通模式。在一个文本消息中灵活使用混合语言可能有助于更有效地与目标受众沟通。然而，这增加了处理和理解自然语言的挑战。我们提供了一个包含13,738个混合代码的英印句子及其相应的英语翻译的平行语料库。这些句子的翻译是由注释者手动完成的。我们发布这个平行语料库，以促进未来混合代码机器翻译的研究机会。