Parallel Corpora from Comparable Corpora tool

B2FIND2026-04-29 收录

平行语料构建

机器翻译数据预处理

数据链接：

https://b2find.eudat.eu/dataset/821f73fe-5d83-586e-a1c8-de02e5093818 数据链接链接失效反馈

官方服务：

资源简介：

Script consists of 2 parts: article parser aligner Required software (install before using script): yalign additional Ubuntu packages: mongodb ipython python-nose...

supergoose/flan_source_para_crawl_enes_99

平行语料构建

指令微调

该数据集包含输入和目标字符串，以及其他相关元数据字段。它被设计用于训练任务，并提供了一个训练集部分。数据集的具体应用场景和任务目标在README中未明确说明。

Hugging Face2025-02-25 更新140

京东数码配件评价中英双语平行语料集

平行语料构建

电商细粒度情感分析

根据提供的数据说明书，该数据集名为“京东数码配件评价中英双语平行语料集”，是一个通过可控提示词工程、基于大语言模型批量虚拟生成的面向自然语言处理任务的中英双语平行语料集，共包含42242条有效数据。其内容模拟京东平台数码配件评价风格，覆盖78个品类及正面、负面、中性三种情感倾向，并具有用户画像、情感强度、传播力等30多个细粒度标注维度。

国家数据集管理服务平台2026-05-29 更新70

Myndighetsdata

术语资源

平行语料构建

Language data in the form of translation memory, parallel texts and term resources, from different organisations, most of them public agencies. Purpose: Language data in the...

B2FIND40

SLPG/Biomedical_EN_FR_Corpus

生物医学机器翻译

平行语料构建

这是一个包含630万句子的生物医学领域英法平行语料库，数据从维基百科抓取而来，通过三种相似度阈值提取平行句子，并经过二次领域内过滤以确保句子与生物医学领域的相关性。语料库包括Threshold-90、Threshold-85和Threshold-80三个数据集，每个数据集又根据不同的阈值进一步细分。该语料库旨在促进生物医学领域机器翻译的研究与开发。

Hugging Face2024-11-09 更新80

Fulfulde–French and Fulfulde–English Parallel Corpus (Adamawa Fulani) for Machine Translation

低资源机器翻译

平行语料构建

This dataset consists of parallel sentence pairs in Fulfulde–French and Fulfulde–English, developed for training and evaluating machine translation systems and other natural language processing (NLP)

Zenodo2026-04-23 更新40

Parallel Corpora from Comparable Corpora tool

资源简介：

相关数据集