wikititles_zh-en

kaggle2020-07-09 更新2024-03-08 收录

下载链接：

https://www.kaggle.com/datasets/garyongguanjie/wikititles-zhen

下载链接

链接失效反馈

官方服务：

资源简介：

parallel chinese to english wikipedia titles

中英对照维基百科（Wikipedia）标题

创建时间：

2020-07-09

DBP15K

DBP15k 包含四个特定语言的 KG，分别从英语 (En)、汉语 (Zh)、法语 (Fr) 和日语 (Ja) DBpedia 中提取，每个都包含大约 65k-106k 个实体。构造三组 15k 对齐标签以对齐其他三种语言和 En 之间的实体。

OpenDataLab2026-07-12 更新6050

mMARCO

mMARCO是一个多语言版本的MS MARCO段落排序数据集，由坎皮纳斯大学神经网络实验室创建，包含13种语言。该数据集通过机器翻译创建，旨在解决非英语语言在信息检索任务中训练资源稀缺的问题。数据集包含超过53万条查询-段落相关对，适用于训练和评估深度学习模型。mMARCO的创建不仅丰富了多语言信息检索的训练资源，还通过零样本学习场景的评估，展示了其对提升模型效果的潜力。

arXiv2022-08-18 更新970

Thai Lao Parallel corpus

泰语-老挝语平行语料库，包含来自泰国驻万象大使馆的数据文件，用于语言翻译和研究。

github2024-04-15 更新830

Myanmar - English Military Dictionary

包含缅甸语和英语军事术语的数据集，以CSV格式存储。

github2024-02-02 更新1030

unicamp-dl/mmarco

# Dataset Summary **mMARCO** is a multilingual version of the [MS MARCO passage ranking dataset](https://microsoft.github.io/msmarco/). For more information, checkout our papers: * [**mMARCO: A Mul

Hugging Face2024-03-06 更新940