744万条中印地平行语料数据
收藏国家数据集管理服务平台2026-04-28 更新2026-04-29 收录
下载链接:
https://www.ndsms.cn/dataRetrieval/datasetDetail/?id=eae5dea4efb9fd0694046fe9f9547b9a
下载链接
链接失效反馈官方服务:
资源简介:
744万组中印地平行互译语料,数据存储格式为txt文档,覆盖旅游、医药、日常、新闻等多个领域。已进行数据清洗脱敏质检,可作为文本类数据分析的基础语料库,用于机器翻译等领域。
This dataset contains 7.44 million pairs of Chinese-Hindi parallel translation corpora. All data is stored in TXT files, covering multiple domains such as tourism, medicine, daily life and news. Preprocessing operations including data cleaning, de-identification and quality inspection have been completed. It can serve as a foundational corpus for text data analysis and be applied in fields like machine translation.
提供机构:
数据堂(北京)科技股份有限公司
创建时间:
2026-04-28
搜集汇总
数据集介绍

背景与挑战
背景概述
该数据集包含744万组中文与印度语言(印地语)的平行互译语料,以txt格式存储,覆盖旅游、医药、日常、新闻等多个领域。经过清洗脱敏和质检处理,可作为高质量的基础语料库,主要用于机器翻译模型训练和本地化应用。
以上内容由遇见数据集搜集并总结生成



