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。

The OPUS EUconst dataset is a multilingual translation dataset that covers translation tasks across various language pairs, such as cs-da, cs-de, cs-el, and so on. Each configuration specifies the involved languages, the number of bytes, the count of examples, and the download size. The dataset is categorized as multilingual, with its scale ranging from 10K to 100K examples.

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。