mbazaNLP/Kinyarwanda_English_parallel_dataset

该数据集包含55,000对Kinyarwanda-English的平行文本，这些数据是通过从宗教来源如圣经和古兰经的网页数据抓取得到的。数据集未经过人工筛选，仅进行了清洗处理。

This dataset comprises 55,000 pairs of Kinyarwanda-English parallel texts, which were collected via web scraping from religious sources such as the Bible and the Quran. No manual screening was conducted on the dataset, and only cleaning operations were performed.

原始信息汇总

Kinyarwanda-English 平行文本数据集

数据集描述

该数据集包含55,000对基尼亚万达语-英语句子对，这些数据是通过从宗教资源网站上抓取网络数据获得的，包括：

• 圣经
• 古兰经

数据处理

该数据集未经筛选，仅进行了清洗处理。

搜集汇总

背景与挑战

背景概述

该数据集是一个基尼亚卢旺达语-英语平行语料库，包含55,667个句子对，主要用于机器翻译任务。数据来源于宗教文本的网页抓取，未经人工标注但已进行清洗，已支持多个NLLB微调模型的训练。