ccaligned_multilingual
收藏OpenCSG2024-07-19 更新2026-01-19 收录
下载链接：
https://opencsg.com/datasets/AIWizards/ccaligned_multilingual?tab=summary
下载链接
链接失效反馈官方服务：
资源简介：
CCAligned提供与英语对齐的137种语言的平行或可比较的Web文档对，规模从小于1K到超过10M样本不等。这些数据通过对原始Web文档进行语言识别，并确保Web文档URL中相应的语言代码对应来构建。数据集中包含领域、源URL、目标URL以及翻译内容等字段，部分数据还提供LASER相似度评分。CCAligned支持多种任务，但具体任务类型和排行榜信息缺失。使用者在使用该数据集时，需要注意数据集中可能存在的偏见和社会影响，并遵守相关的数据使用协议。
提供机构：
AIWizards
创建时间：
2024-07-19
