five

SEACrowd/indonesian_madurese_bible_translation

收藏
Hugging Face2024-06-24 更新2024-06-29 收录
下载链接:
https://hf-mirror.com/datasets/SEACrowd/indonesian_madurese_bible_translation
下载链接
链接失效反馈
官方服务:
资源简介:
Madurese Parallel Corpus数据集是通过从在线圣经中抓取内容创建的,包含30,013个印尼语-马都拉语句对。与之前的数据集不同,该数据集主要关注双语句子对,旨在补充现有的马都拉语语料库,促进对印尼地区语言的研究和开发。数据集支持机器翻译任务,并提供了使用`datasets`和`seacrowd`库加载数据集的示例代码。

Madurese Parallel Corpus数据集是通过从在线圣经中抓取内容创建的,包含30,013个印尼语-马都拉语句对。与之前的数据集不同,该数据集主要关注双语句子对,旨在补充现有的马都拉语语料库,促进对印尼地区语言的研究和开发。数据集支持机器翻译任务,并提供了使用`datasets`和`seacrowd`库加载数据集的示例代码。
提供机构:
SEACrowd
原始信息汇总

印度尼西亚-马都拉圣经翻译数据集

概述

  • 名称: 印度尼西亚-马都拉圣经翻译数据集 (Indonesian Madurese Bible Translation)
  • 语言: 印度尼西亚语 (ind) 和 马都拉语 (mad)
  • 任务类别: 机器翻译 (Machine Translation)
  • 数据集大小: 包含30,013对印度尼西亚语-马都拉语句子
  • 数据来源: 从在线圣经中抓取内容生成

特点

  • 与之前的马都拉语数据集不同,该数据集主要关注双语句子对,不包含词形、发音、语言描述、词性、借词、方言和各种结构等信息。
  • 旨在补充现有的马都拉语语料库,促进对印度尼西亚地区语言的研究和开发。

使用方法

使用 datasets

python from datasets import load_dataset dset = datasets.load_dataset("SEACrowd/indonesian_madurese_bible_translation", trust_remote_code=True)

使用 seacrowd

python import seacrowd as sc

使用默认配置加载数据集

dset = sc.load_dataset("indonesian_madurese_bible_translation", schema="seacrowd")

查看数据集的所有可用子集(配置名称)

print(sc.available_config_names("indonesian_madurese_bible_translation"))

使用特定配置加载数据集

dset = sc.load_dataset_by_config_name(config_name="<config_name>")

数据集版本

  • 源版本: 1.0.0
  • SEACrowd版本: 2024.06.20

许可证

  • Creative Commons Attribution 4.0 (cc-by-4.0)

引用

bibtex @article{, author = {Sulistyo, Danang Arbian and Wibawa, Aji Prasetya and Prasetya, Didik Dwi and Nafalski, Andrew}, title = {Autogenerated Indonesian-Madurese Parallel Corpus Dataset Using Neural Machine Translation}, journal = {Available at SSRN 4644430}, volume = {}, year = {2023}, url = {https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4644430}, doi = {}, biburl = {}, bibsource = {} }

@article{lovenia2024seacrowd, title={SEACrowd: A Multilingual Multimodal Data Hub and Benchmark Suite for Southeast Asian Languages}, author={Holy Lovenia and Rahmad Mahendra and Salsabil Maulana Akbar and Lester James V. Miranda and Jennifer Santoso and Elyanah Aco and Akhdan Fadhilah and Jonibek Mansurov and Joseph Marvin Imperial and Onno P. Kampman and Joel Ruben Antony Moniz and Muhammad Ravi Shulthan Habibi and Frederikus Hudi and Railey Montalan and Ryan Ignatius and Joanito Agili Lopo and William Nixon and Börje F. Karlsson and James Jaya and Ryandito Diandaru and Yuze Gao and Patrick Amadeus and Bin Wang and Jan Christian Blaise Cruz and Chenxi Whitehouse and Ivan Halim Parmonangan and Maria Khelli and Wenyu Zhang and Lucky Susanto and Reynard Adha Ryanda and Sonny Lazuardi Hermawan and Dan John Velasco and Muhammad Dehan Al Kautsar and Willy Fitra Hendria and Yasmin Moslem and Noah Flynn and Muhammad Farid Adilazuarda and Haochen Li and Johanes Lee and R. Damanhuri and Shuo Sun and Muhammad Reza Qorib and Amirbek Djanibekov and Wei Qi Leong and Quyet V. Do and Niklas Muennighoff and Tanrada Pansuwan and Ilham Firdausi Putra and Yan Xu and Ngee Chia Tai and Ayu Purwarianti and Sebastian Ruder and William Tjhi and Peerat Limkonchotiwat and Alham Fikri Aji and Sedrick Keh and Genta Indra Winata and Ruochen Zhang and Fajri Koto and Zheng-Xin Yong and Samuel Cahyawijaya}, year={2024}, eprint={2406.10118}, journal={arXiv preprint arXiv: 2406.10118} }

5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作