HindEnCorp

印地语和英语的平行语料库，以及 HindMonoCorp，印地语的单语语料库，发布版本 0.5。两个语料库都是从网络资源中收集的，主要用于统计机器翻译系统的训练。 HindEnCorp 由 274k 平行句子（390 万印地语和 380 万英语标记）组成。 HindMonoCorp 在 4400 万个句子中达到 7.87 亿个代币。

搜集汇总

背景与挑战

背景概述

HindEnCorp是一个印地语-英语平行语料库，包含27.4万平行句子，同时附带印地语单语语料库HindMonoCorp，数据源自网络资源，主要用于统计机器翻译训练。HindMonoCorp规模达4400万个句子，总标记数超过7.87亿。