tartuNLP/smugri-data

该数据集是基于新闻的，涵盖了Komi、Udmurt、Moksha、Erzya、Mansi、Khanty和Livvi Karelian等语言。这些数据集主要用于低资源的芬兰-乌戈尔语系的机器翻译研究。

原始信息汇总

数据集概述

数据集内容

• 包含基于新闻的数据集，涵盖以下语言：
  • Komi
  • Udmurt
  • Moksha
  • Erzya
  • Mansi
  • Khanty
  • Livvi Karelian

许可证

• 数据集采用 CC-BY-4.0 许可证。

引用信息

• 若使用此数据集，请引用以下论文：

  @inproceedings{ yankovskaya2023machine, title={Machine Translation for Low-resource Finno-Ugric Languages}, author={Lisa Yankovskaya and Maali Tars and Andre T{"a}ttar and Mark Fishel}, booktitle={The 24rd Nordic Conference on Computational Linguistics}, year={2023}, url={https://openreview.net/forum?id=DX-XHq9_Pa} }