poleval/poleval2019_mt

Poleval2019Mt数据集是为PolEval-2019竞赛中的机器翻译任务（任务4）而创建的。该任务旨在使用有限文本资源训练尽可能好的机器翻译系统。竞赛涉及两种语言对：较为常见的英语-波兰语（向波兰语方向）和资源较少的俄语-波兰语（双向）。数据集包含训练、验证和测试集，数据以句子级别的双语语料库形式存在，编码为UTF-8纯文本。

原始信息汇总

数据集概述

数据集名称

• 名称: Poleval2019Mt
• 别名: poleval2019_mt

语言

• 支持语言: 英语 (en), 波兰语 (pl), 俄语 (ru)

许可证

• 许可证类型: 未知

多语言性

• 类型: 翻译

大小分类

• 数据集大小: 10K<n<100K

源数据

• 源数据类型: 原始数据

任务类别

• 任务类型: 翻译

数据集结构

配置与特征

• 配置名称: ru-pl, en-pl, pl-ru, pl-en
• 特征:
  • 名称: translation
  • 数据类型:
    • 语言: ru, pl / en, pl / pl, ru / pl, en

数据分割

• 分割名称: train, validation, test
• 分割详情:
  • ru-pl:
    • 训练集: 20001个样本, 2818015字节
    • 验证集: 3001个样本, 415735字节
    • 测试集: 2969个样本, 266462字节
    • 下载大小: 3355801字节
    • 数据集大小: 3500212字节
  • en-pl:
    • 训练集: 129255个样本, 13217798字节
    • 验证集: 10001个样本, 1209168字节
    • 测试集: 9845个样本, 562482字节
    • 下载大小: 13851405字节
    • 数据集大小: 14989448字节
  • pl-ru:
    • 训练集: 20001个样本, 2818015字节
    • 验证集: 3001个样本, 415735字节
    • 测试集: 2967个样本, 149423字节
    • 下载大小: 3355801字节
    • 数据集大小: 3383173字节
  • pl-en:
    • 训练集: 129255个样本, 13217798字节
    • 验证集: 10001个样本, 1209168字节
    • 测试集: 1个样本, 16字节
    • 下载大小: 13591306字节
    • 数据集大小: 14426982字节