ryo0634/bsd_ja_en

Business Scene Dialogue (BSD)数据集是一个日英平行语料库，包含各种商业场景中的书面对话。数据集的构建过程包括选择商业场景、编写单语对话场景，并将这些场景翻译成另一种语言。数据集的结构包括对话标识符、句子编号、说话者名称、句子文本、原始语言、场景标签和场景标题。数据集分为训练集、开发集和测试集，分别包含20000、2051和2120个句子。数据集的使用仅限于研究目的，并遵循CC BY-NC-SA许可。

原始信息汇总

数据集概述

名称: Business Scene Dialogue (BSD)

描述: BSD是一个包含日语和英语双语对话的平行语料库，专注于各种商业场景中的书面对话。

语言: 英语, 日语

许可: 知识共享署名-非商业性使用-相同方式共享4.0国际许可 (CC BY-NC-SA 4.0)

数据集大小:

• 训练集: 20000个实例
• 测试集: 2120个实例
• 验证集: 2051个实例
• 总实例数: 24171个

数据结构:

• 字段:
  • id: 对话标识符
  • no: 句子对在对话中的编号
  • en_speaker: 英语发言者名称
  • ja_speaker: 日语发言者名称
  • en_sentence: 英语句子
  • ja_sentence: 日语句子
  • original_language: 原始语言
  • tag: 场景标签
  • title: 场景标题

数据来源: 原始数据，由专家生成。

任务类别: 翻译

数据集创建:

• 注释过程: 专家生成
• 个人和敏感信息: 未详细说明

使用注意事项:

• 仅供研究使用，需遵守数据集许可协议。