five

Nexdata/5010000_Groups_Chinese_Tibetan_Parallel_Corpus_Data

收藏
Hugging Face2024-04-16 更新2024-06-12 收录
下载链接:
https://hf-mirror.com/datasets/Nexdata/5010000_Groups_Chinese_Tibetan_Parallel_Corpus_Data
下载链接
链接失效反馈
官方服务:
资源简介:
--- license: cc-by-nc-nd-4.0 --- ## Description 5,010,000 sets of Chinese and Tibetan language parallel translation corpus, data storage format is txt document. Data cleaning, desensitization, and quality inspection have been carried out, which can be used as a basic corpus for text data analysis and in fields such as machine translation. For more details, please refer to the link: https://www.nexdata.ai/dataset/1236?source=Huggingface ## Storage format TXT ## Data content Chinese-Tibetan Parallel Corpus Data ## Data size 5.01 million pairs of Chinese-Tibetan Parallel Corpus Data. The Chinese sentences contain 20.8 characters on average. ## Language Chinese, Tibetan ## Application scenario machine translation # Licensing Information Commercial License
提供机构:
Nexdata
原始信息汇总

数据集概述

数据集描述

  • 内容类型:中文-藏文平行翻译语料库
  • 数据量:5,010,000对平行语料
  • 存储格式:TXT文档
  • 数据处理:已进行数据清洗、去敏化和质量检查
  • 应用场景:可作为文本数据分析和机器翻译的基础语料库

数据详情

  • 数据内容:中文-藏文平行语料数据
  • 数据大小:5.01百万对平行语料,中文句子平均包含20.8个字符
  • 语言:中文、藏文

许可信息

  • 许可证:CC-BY-NC-ND-4.0
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作