bible-nlp/biblenlp-corpus

BibleNLP Corpus数据集包含了833种语言的圣经翻译，按经文对齐。数据集的结构包括翻译、文件、引用、许可证和版权信息。使用该数据集需要安装tqdm、ijson和numpy库，并且可以通过指定ISO 693-3语言代码来选择语言对。数据集的来源是GitHub上的BibleNLP/ebible-corpus仓库。

The BibleNLP Corpus dataset contains Bible translations across 833 languages with verse-aligned texts. Its structure includes translations, files, citations, licenses and copyright information. To use this dataset, the tqdm, ijson and numpy libraries need to be installed, and users can select language pairs by specifying ISO 693-3 language codes. The dataset is sourced from the BibleNLP/ebible-corpus repository on GitHub.

原始信息汇总

数据集概述

数据集名称

• 名称：BibleNLP Corpus
• 别名：biblenlp-corpus

数据集描述

• 摘要：包含833种语言的部分和完整圣经翻译，按诗句对齐。

数据集特征

• 语言：涵盖833种语言，包括但不限于aai, aak, aau, aaz等。
• 许可证：数据集使用cc-by-4.0和其他许可证。
• 多语言性：支持翻译和多语言功能。
• 大小：数据集大小介于1M到10M之间。
• 来源：原始数据集。
• 任务类别：翻译。

数据集结构

• 数据字段：
  • translation：包含语言列表和相应翻译列表。
  • files：包含语言列表和对应的文件名列表。
  • ref：包含诗句引用，格式为 <书本代码> <章节>:<诗句>。
  • licenses：包含与文件列表对应的许可证列表。
  • copyrights：包含与文件列表对应的版权信息。

使用方法

• 安装要求：需要安装tqdm, ijson, 和numpy。
• 语言配对：通过指定ISO 693-3语言代码的列表进行语言配对。
• 配对模式：支持单个诗句配对和全范围诗句配对。

搜集汇总

背景与挑战

背景概述

BibleNLP Corpus数据集是一个多语言圣经翻译资源，涵盖833种语言并按经文对齐，便于跨语言文本分析。其结构包括翻译、文件和引用等元素，使用时需安装指定Python库，并支持通过ISO 693-3语言代码筛选特定语言对，数据来源于GitHub上的开源仓库。