d0rj/ru-mhr-parallel

该数据集是一个俄语和马里语的平行语料库，主要用于翻译任务，特别是针对低资源语言的翻译。数据集包含417,103个例子，总大小为83,137,793字节。数据集的特征包括俄语和马里语的文本对，适用于训练和评估翻译模型。

原始信息汇总

数据集概述

数据集信息

• 特征:
  • ru: 类型为 string
  • mhr: 类型为 string
• 分割:
  • train: 字节数为 83137793，样本数为 417103
• 下载大小: 40277610 字节
• 数据集大小: 83137793 字节

配置

• 配置名称: default
  • 数据文件:
    • split: train
    • path: data/train-*

许可

• 许可证: cc-by-4.0

任务类别

• 任务: translation

语言

• 语言:
  • ru
  • mhr

标签

• 标签: low-resource-language

名称

• 名称: Mari-Russian parallel corpus

大小类别

• 大小类别: 100K<n<1M