dumitrescustefan/ro_sts_parallel

RO-STS-Parallel数据集是一个罗马尼亚语和英语的平行语料库，该数据集是通过将STS英语数据集翻译成罗马尼亚语而获得的。数据集包含17256个罗马尼亚语和英语的句子对。数据集的结构包括训练集、验证集和测试集，分别包含11498、3000和2758个句子对。数据集的创建过程包括使用谷歌翻译引擎进行自动翻译，然后由人工志愿者进行手动检查和校正。数据集的许可证为CC BY-SA 4.0。

原始信息汇总

数据集概述

数据集名称

• 名称: RO-STS-Parallel

数据集摘要

• 描述: RO-STS-Parallel是一个罗马尼亚语-英语平行语料库，通过对STS英语数据集进行翻译得到。包含17,256句罗马尼亚语和英语的句子。

语言

• 语言: 罗马尼亚语 (ro), 英语 (en)

数据集结构

• 数据实例: 每个实例包含罗马尼亚语和英语的翻译文本。
• 数据字段:
  • translation:
    • ro: 罗马尼亚语文本
    • en: 英语文本
• 数据分割:
  • 训练集: 11,499个实例
  • 验证集: 3,001个实例
  • 测试集: 2,759个实例

数据集创建

• 许可证: CC BY-4.0
• 数据收集和规范化: 使用Google翻译引擎进行自动翻译，然后由人类志愿者手动检查、修正和交叉验证。

数据集大小

• 下载大小: 2,251,694字节
• 数据集大小: 2,355,286字节
• 大小分类: 10K<n<100K