IoanRazvan/ro-romani

该数据集包含从在线版本的圣经（包括旧约和新约）中提取的罗马尼亚语和Kalderash Romani语的平行句子。数据集的结构包括书籍名称、章节号、罗马尼亚语文本、Kalderash Romani语文本和经文号。数据集的创建是为了一个学院项目，数据是从两个特定的网站抓取的，并根据书籍、章节和经文顺序进行了对齐。

原始信息汇总

数据集卡片 "ro-romani"

数据集详情

该数据集包含从在线版圣经（旧约和新约）中提取的罗马尼亚语和Kalderash Romani语言的平行句子。

数据集结构

数据实例

一个示例如下：

json { book: GEN, chapter: 38, ro: A mai nascut iarasi un fiu, caruia i-a pus numele Sela; Iuda era la Czib cand a nascut ea., rom: Mai kărdea pale khă šeau, thai thodea lehkă anau Šela; o Iuda sas ando Czib, kana kărdeas oi., verse: 5 }

数据字段

• book: 文本序列提取的书籍名称
• chapter: 书籍章节编号
• ro: 罗马尼亚语的文本序列
• rom: Kalderash Romani语的文本序列
• verse: 诗句编号

数据集创建

数据来源

数据从以下网站抓取：

• https://www.ebible.ro/biblia/romana/cornilescu/ - 罗马尼亚语诗句
• https://romani.global.bible/info - Kalderash Romani语诗句

数据收集和处理

诗句从上述网站单独抓取，并根据书籍、章节和诗句顺序进行对齐。