somosnlp-hackathon-2022/spanish-to-quechua
收藏Hugging Face2022-10-25 更新2024-05-25 收录
下载链接：
https://hf-mirror.com/datasets/somosnlp-hackathon-2022/spanish-to-quechua
下载链接
链接失效反馈官方服务：
资源简介：
该数据集是从多个来源收集的西班牙语到阿亚库乔克丘亚语的翻译数据集。数据集包含西班牙语（es）和阿亚库乔克丘亚语（qu）的句子对。数据集分为训练集（102,747句）、验证集（12,844句）和测试集（12,843句）。数据来源包括多个网站和其他数据集，数据集在编译过程中进行了手动清理。这是数据集的第一个版本，未来会进行改进。
该数据集是从多个来源收集的西班牙语到阿亚库乔克丘亚语的翻译数据集。数据集包含西班牙语（es）和阿亚库乔克丘亚语（qu）的句子对。数据集分为训练集（102,747句）、验证集（12,844句）和测试集（12,843句）。数据来源包括多个网站和其他数据集，数据集在编译过程中进行了手动清理。这是数据集的第一个版本，未来会进行改进。
提供机构：
somosnlp-hackathon-2022
原始信息汇总
数据集概述
数据集描述
本数据集收集了从西班牙语（es）到阿亚库乔克丘亚语（qu）的翻译内容，源自多个网络资源和其他数据集。
数据集结构
数据字段
es: 西班牙语句子。qu: 阿亚库乔克丘亚语句子。
数据分割
train: 用于模型训练（102,747句）。validation: 用于训练过程中的模型验证（12,844句）。test: 用于训练完成后的模型评估（12,843句）。
数据集创建
源数据
数据集生成自以下资源：
- "Mundo Quechua" by "Ivan Acuña"
- "Kuyakuykim (Te quiero): Apps con las que podrías aprender quechua" by "El comercio"
- "Piropos y frases de amor en quechua" by "Soy Quechua"
- "Corazón en quechua" by "Soy Quechua"
- "Oraciones en Español traducidas a Quechua" by "Tatoeba"
- "AmericasNLP 2021 Shared Task on Open Machine Translation" by "americasnlp2021"
数据清洗
数据集在编译过程中进行了手动清洗，因为某些词汇在两种语言中存在多对多的关系。
使用数据注意事项
本数据集为初版，未来计划进行改进，特别是去除宗教主题内容。
