udmurtNLP/udmurt-russian-english-labse

这是一个包含乌德穆尔特语、俄语和英语的平行语料库，用于LaBSE模型的训练。英语列是从俄语翻译而来。

This is a parallel corpus containing Udmurt, Russian, and English languages for LaBSE model training. The English column is translated from Russian.

原始信息汇总

数据集概述

数据集信息

• 特征:
  • rus: 字符串类型
  • udm: 字符串类型
  • eng: 字符串类型
• 分割:
  • train:
    • 字节数: 18829292
    • 样本数: 40365
• 下载大小: 9006599 字节
• 数据集大小: 18829292 字节

配置

• 默认配置:
  • 数据文件:
    • 分割: train
    • 路径: data/train-*

语言

• udm

大小类别

• 10K < n < 100K

注意事项

• 数据集中的最后250行来自FLORES-250，如果用于训练机器翻译模型，建议移除这些行。