AigizK/bashkir-russian-parallel-corpora

Bashkir-Russian平行语料库是一个用于翻译任务的数据集，包含Bashkir和俄语两种语言的句子对。数据集的特征包括两种语言的句子对以及它们所属的语料库。数据集分为训练集，包含1,093,189个例子，总大小为409,240,581字节。数据集的创建过程包括从书籍或互联网页面（如维基百科、新闻网站）收集双语文本，使用算法匹配Bashkir句子与其俄语翻译，并由人工检查这些句子对。

原始信息汇总

数据集概述

基本信息

• 名称: bashkir-russian-parallel-corpora
• 语言:
  • Bashkir (ba)
  • Russian (ru)
• 许可证: CC-BY-4.0
• 任务类别: Translation

数据集特征

• 特征字段:
  • ba: 数据类型为字符串，表示Bashkir语言文本。
  • ru: 数据类型为字符串，表示Russian语言文本。
  • corpus: 数据类型为字符串，表示语料库信息。

数据集划分

• 训练集:
  • 大小: 409,240,581字节
  • 示例数量: 1,093,189

数据集大小与下载大小

• 下载大小: 195,923,641字节
• 数据集大小: 409,240,581字节

配置

• 默认配置:
  • 数据文件路径: data/train-*