Bilingual Corpus of Arabic-English Parallel Tweets

Name: Bilingual Corpus of Arabic-English Parallel Tweets
Creator: OpenDataLab
Published: 2022-05-23T17:58:23+08:00

OpenXLab2026-04-18 收录

机器翻译

社交媒体双语处理

数据链接：

https://openxlab.org.cn/datasets/OpenDataLab/Bilingual_Corpus_of_etc 数据链接链接失效反馈

官方服务：

资源简介：

英语-阿拉伯语平行推文的双语语料库和定期发布英语-阿拉伯语推文的 Twitter 帐户列表。

提供机构：

OpenDataLab

创建时间：

2022-05-23

Napizia/Good-Sicilian-in-NLLB

机器翻译

自然语言处理

该数据集名为Good Sicilian in the NLLB，主要关注西西里语的翻译质量。数据集由Project Napizia提供，旨在帮助语言模型学习符合西西里文学传统的语言。数据集包含从NLLB数据集中筛选出的高质量西西里语翻译对，并通过Napizia的翻译模型进行评分。数据集还提供了50,000对最佳翻译对的CSV文件。数据集来源于Meta AI发布的元数据，并经过Allen AI的处理

Hugging Face2025-08-16 更新150

Stanley8712/telugu2-mistralformat

机器翻译

泰卢固语

--- dataset_info: features: - name: idx dtype: int64 - name: src dtype: string - name: tgt dtype: string - name: text dtype: string splits: - name: train num_bytes: 4

Hugging Face2023-11-30 更新60

Booster Dataset

立体视觉匹配

镜面与透明表面处理

我们提出了一种新颖的高分辨率且具有挑战性的立体数据集，将室内场景与密集且准确的地面真相差异进行注释。我们的数据集特有的是几个镜面和透明表面的存在，即最先进的立体声网络故障的主要原因。我们的采集管道利用了一种新颖的深时空立体声框架，该框架可以轻松，准确地以亚像素精度进行标记。我们总共发布了在64个不同场景中收集的419个样本，并用密集的地面真相差异进行注释。每个样本包括高分辨率对 (12 mpx)

OpenXLab40

michsethowusu/kinyarwanda-tsonga_sentence-pairs

自然语言处理

机器翻译

该数据集包含非洲语言句子对及其相似度评分，适用于机器翻译、句子对齐或其他自然语言处理任务。数据集基于NLLBv1构建，包含332,229行，每行有三个字段：相似度评分、基尼亚鲁旺达语句子和宗加语句子。可用于训练和评估机器学习模型，进行翻译、句子相似度计算和跨语言迁移学习等任务。

Hugging Face2025-03-30 更新130

Parikshith/grow-1-monolingual-1m-ha-en-scored

机器翻译

质量评估

--- dataset_info: features: - name: src dtype: string - name: mt dtype: string - name: score_wmt20-comet-qe-da dtype: float64 - name: score_wmt21-comet-qe-da dtype: float64

Hugging Face2023-12-04 更新50

Bilingual Corpus of Arabic-English Parallel Tweets

资源简介：

相关数据集