noahkim/Kor_Jpn_Translation_Dataset

---
annotations_creators:
- expert-generated
language_creators:
- other
language:
- kor
- jpn
license:
- mit
size_categories:
- 1K<n<10K
source_datasets:
- original
task_categories:
- translation
task_ids:
- language-modeling
paperswithcode_id: null
pretty_name: Kor-Jpn-Translation
---
# Dataset Card for "Kor_Jpn_Translation_Dataset"

### Dataset Summary

AI-Hub에서 제공하는 한국어-일본어 번역 말뭉치 데이터(https://aihub.or.kr/aihubdata/data/view.do?currMenu=115&topMenu=100&aihubDataSe=realm&dataSetSn=127)를 사용하기 쉽게 정제했습니다.

- 제공처 : AI-Hub(https://aihub.or.kr/aihubdata/data/view.do?currMenu=115&topMenu=100&aihubDataSe=realm&dataSetSn=127)
- 제목 : 한국어-일본어 문화 분야 이중 말뭉치
- 구축분야 : 문화재/향토/K-Food, K-POP(한류)/대중문화_공연 콘텐츠, IT/컴퓨터/모바일, 금융/증시, 사회/노동/복지, 교육, 특허/기술, 자동차
- 구축량 : 150만 문장쌍
- 응용분야 : 언어모델, 자동번역
- 언어 : 원시어-한국어, 목적어-일본어

### Supported Tasks and Leaderboards

- Translation

### Languages

- Kor
- Jpan

## Dataset Structure

features:
- name: KOR
dtype: string
- name: JPN
dtype: string
splits:
- name: train
num_bytes: 294787449
num_examples: 840000
- name: val
num_bytes: 88406929
num_examples: 252000
- name: test
num_bytes: 37964427
num_examples: 108000
download_size: 289307354
dataset_size: 421158805

### Data Splits

splits:
- name: train
num_bytes: 294787449
num_examples: 840000
- name: val
num_bytes: 88406929
num_examples: 252000
- name: test
num_bytes: 37964427
num_examples: 108000

### Contributions
[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集名称

• 名称：Kor-Jpn-Translation
• 别名：Kor_Jpn_Translation_Dataset

数据集描述

• 来源：AI-Hub提供的数据集，经过整理以方便使用。
• 标题：한국어-일본어 문화 분야 이중 말뭉치
• 构建领域：文化遗迹/本土/K-Food, K-POP(韩流)/大众文化表演内容, IT/计算机/移动, 金融/股市, 社会/劳动/福利, 教育, 专利/技术, 汽车
• 构建量：150万对句子
• 应用领域：语言模型, 自动翻译
• 语言：源语言-韩语, 目标语言-日语

支持的任务

• 任务：翻译

语言

• 韩语 (Kor)
• 日语 (Jpn)

数据集结构

• 特征：
  • KOR: 字符串类型
  • JPN: 字符串类型
• 分割：
  • 训练集：840000个样本，294787449字节
  • 验证集：252000个样本，88406929字节
  • 测试集：108000个样本，37964427字节
• 下载大小：289307354字节
• 数据集大小：421158805字节