English–Chinese Interpretation Dataset

kaggle2025-10-24 更新2025-12-06 收录

机器翻译

双语文本

数据链接：

https://www.kaggle.com/datasets/zara2099/englishchinese-interpretation-dataset 数据链接链接失效反馈

官方服务：

资源简介：

Parallel English–Chinese texts across diverse categories and sources

覆盖多元类别与多来源的英汉平行文本（Parallel English–Chinese texts）

创建时间：

2025-10-14

Yujivus/wmt14-de-en-xlm-r-tokenized-128

机器翻译

这是一个包含文本输入和标签的数据集，适用于机器学习模型训练。数据集分为训练集、验证集和测试集，包含输入ID、注意力掩码、标签、输入长度和标签长度等字段。输入ID和注意力掩码是整数列表，标签、输入长度和标签长度是整数类型。训练集包含4489641个样本，验证集包含2995个样本，测试集包含3003个样本。

Hugging Face2025-09-23 更新70

EmakhuwaPortuguese parallel corpus

机器翻译

低资源语言

EmakhuwaPortuguese parallel corpus是由卢里奥大学和剑桥大学合作创建的一个包含47,415对葡萄牙语和Emakhuwa语句子的数据集。该数据集主要来源于耶和华见证人网站、非洲故事书网站以及莫桑比克法律文件等，总计包含699,976个Emakhuwa单词和877,595个葡萄牙语单词。数据集的创建过程涉及文本的数字化和光学字符识别（OCR）处理。该数据集主要用于机器翻

arXiv2021-04-13 更新60

wmt24-all_r_r-prefs

机器翻译

翻译质量评估

该数据集包含了多种语言对的翻译质量评估数据，每个语言对都有自己的配置和特征。特征包括各种指标，如BERTScore、BLEU、BLEURT20、CHRF、CHRFS、COMET22、COMETKiwi、Delta Length、GEMBA ESA、Human、METAMetrics MT、MEE4、MetricX-24、Post-edit、PPL、Sentinel、SPBLEU、XCOMET及其各

Hugging Face2025-05-23 更新50

Parallel Corpus for Indigenous Language Translation: Spanish-Mazatec and Spanish-Mixtec

机器翻译

土著语言

本研究介绍了首个针对墨西哥两种土著语言Mazatec和Mixtec与西班牙语的平行语料库，旨在支持机器翻译任务。该数据集包含9799句Mazatec语和13235句Mixtec语，主要来源于宗教和宪法领域。数据集的创建过程涉及文本对齐和预处理，以确保数据质量。此数据集的应用领域主要集中在提升低资源语言的机器翻译性能，特别是在从西班牙语翻译到土著语言的方向上显示出较好的效果。

arXiv2023-05-27 更新70

zh-tw-llm-dv/zh-tw-pythia-ta8000-v1-e1-tr_sg-302-c1024

机器翻译

语言模型

--- dataset_info: dataset_size: 447310289.2648228 download_size: 178540815 features: - name: input_ids sequence: int32 - name: attention_mask sequence: int8 - name: labels sequ

Hugging Face2023-05-19 更新50

English–Chinese Interpretation Dataset

资源简介：

相关数据集