Helsinki-NLP/eitb_parcc

EiTB-ParCC是一个巴斯克语和西班牙语的平行语料库，由Vicomtech从巴斯克公共广播集团Euskal Irrati Telebista的可比新闻中提取。该数据集主要用于翻译任务，包含超过63万条数据实例，数据格式为翻译对。数据集遵循Creative Commons BY-NC-SA 4.0许可证。

原始信息汇总

数据集概述

• 数据集名称: EiTB-ParCC
• 数据集别名: EiTB-ParCC
• 数据集简介: EiTB-ParCC是一个巴斯克语-西班牙语的平行语料库，由Vicomtech提供，数据来源于巴斯克公共广播集团Euskal Irrati Telebista的比较新闻。

语言信息

• 语言:
  • 西班牙语 (es)
  • 巴斯克语 (eu)

许可信息

• 许可证: cc-by-nc-sa-4.0

数据集结构

• 数据集大小:
  • 下载大小: 96930125字节
  • 数据集大小: 139038886字节
• 数据分割:
  • 训练集:
    • 实例数量: 637183
    • 字节数: 139038886

数据集配置

• 配置名称: es-eu
• 默认配置: 是
• 数据文件:
  • 分割: 训练
  • 路径: es-eu/train-*

引用信息

• 引用文献:
  • Etchegoyhen, Thierry 和 Gete, Harritxu. "Handle with Care: A Case Study in Comparable Corpora Exploitation for Neural Machine Translation". 2020.
  • Tiedemann, Jörg. "Parallel Data, Tools and Interfaces in OPUS". 2012.