472万组汉维平行语料数据【数据堂】

汉维平行语料数据包括472万组汉语、维语平行互译语料，数据存储格式为txt文档。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

Chinese-Uyghur Parallel Corpus Dataset contains 4.72 million pairs of mutually translated Chinese and Uyghur text data. The dataset is stored in TXT document format, and has undergone data cleaning, de-identification and quality inspection. It can serve as a foundational corpus for text data analysis and be applied in fields such as machine translation.

搜集汇总

背景与挑战

背景概述

该数据集包含472万组汉语和维吾尔语平行互译语料，已进行清洗脱敏质检，格式为txt，汉语平均句长为22个字符，准确率达90%，专用于机器翻译应用。需要注意的是，这是商业数据，仅面向企业合作购买。