983万组中日平行语料数据

983万组中日平行互译语料，数据存储格式为txt文档，包括通用、IT、新闻、专利、国际工程五个领域数据。已进行数据清洗脱敏质检，可作为文本类数据分析的基础语料库，用于机器翻译等领域。

This dataset contains 9.83 million pairs of Chinese-Japanese parallel translation corpora. The data is stored in TXT format, covering five domains: general, IT, news, patent, and international engineering. It has undergone data cleaning, de-identification and quality inspection, and can serve as a foundational corpus for text data analysis, with applications in fields such as machine translation.

搜集汇总

背景与挑战

背景概述

本数据集包含983万组中日平行互译语料，以txt文档格式存储，覆盖通用、IT、新闻、专利和国际工程五个领域。经过数据清洗、脱敏和质检处理，适用于机器翻译、电商、本地化及教育等文本分析场景，但需授权使用且不可商用。