98万组中文-乌尔都语平行语料数据

中文-乌尔都语平行语料数据包括98万组中文、乌尔都语平行互译语料，数据存储格式为txt文档。已进行数据清洗脱敏质检，可作为文本类数据分析的基础语料库，用于机器翻译等领域。

The Chinese-Urdu parallel corpus dataset includes 980,000 pairs of mutually translated Chinese and Urdu text corpora. The data is stored in TXT document format. It has undergone data cleaning, desensitization and quality inspection, and can serve as a foundational corpus for text data analysis and be applied in fields such as machine translation.

搜集汇总

背景与挑战

背景概述

该数据集包含98万组中文与乌尔都语的平行互译语料，以txt格式存储，并已完成清洗、脱敏和质检。作为高质量的双语平行语料库，它适用于机器翻译模型训练等文本分析任务。