indiejoseph/yue-zh-translation

该数据集主要由从粤语到简体中文的机器翻译内容组成，包括从zh-yue.wikipedia.org机器翻译的文章，以及来自botisan-ai/cantonese-mandarin-translations和AlienKevin/LIHKG的数据。

This dataset primarily consists of machine-translated content from Cantonese to Simplified Chinese, including articles machine-translated from zh-yue.wikipedia.org, as well as data sourced from botisan-ai/cantonese-mandarin-translations and AlienKevin/LIHKG.

原始信息汇总

数据集概述

语言

• 粤语 (yue)
• 中文 (zh)

许可

• CC-BY-4.0

数据规模

• 10K<n<100K

任务类别

• 翻译

配置

• 默认配置 (default)
  • 数据文件
    • 训练集 (train)：路径为 data/train-*
    • 测试集 (test)：路径为 data/test-*

数据集信息

• 特征
  • 翻译 (translation)
    • 粤语 (yue)：数据类型为字符串 (string)
    • 中文 (zh)：数据类型为字符串 (string)
• 数据分割
  • 训练集 (train)
    • 字节数：16446012
    • 样本数：169949
  • 测试集 (test)
    • 字节数：4107525
    • 样本数：42361
• 下载大小：15755469
• 数据集大小：20553537