Helsinki-NLP/euconst

OPUS EUconst数据集是一个多语言翻译数据集，包含多种语言对的翻译任务，如cs-da、cs-de、cs-el等。每个配置详细说明了涉及的语言、字节数、示例数和下载大小。数据集被归类为多语言，且规模在10K到100K示例之间。

原始信息汇总

数据集概述

基本信息

• 名称: OPUS EUconst
• 语言: 多语言，包括cs, da, de, el, en, es, et, fi, fr, ga, hu, it, lt, lv, mt, nl, pl, pt, sk, sl, sv
• 许可证: 未知
• 多语言性: 多语言
• 大小类别: 10K<n<100K
• 源数据集: 原始
• 任务类别: 翻译

详细配置

• 配置名称: 多种语言对，如cs-da, cs-de, cs-el等
• 特征: 每个配置包含一个名为"translation"的特征，该特征包含两种语言
• 分割: 每个配置包含一个名为"train"的分割，详细信息如下：
  • 训练集大小: 每个语言对的训练集大小不同，范围从8586到10970个例子
  • 训练集字节数: 每个语言对的训练集字节数不同，范围从1679327到2908134字节
  • 下载大小: 每个语言对的下载大小不同，范围从801282到1194894字节
  • 数据集大小: 每个语言对的数据集大小不同，范围从1679327到2908134字节

搜集汇总

背景与挑战

背景概述

该数据集是一个从欧洲宪法收集的平行语料库，专门用于机器翻译任务。它包含21种欧洲语言，形成210个双语文本对，总数据量约2百万行，覆盖多种语言组合，支持跨语言研究和模型训练。