community-datasets/udhr
收藏资源简介：
该数据集包含了《世界人权宣言》（UDHR）的多语言翻译版本，涵盖了超过400种语言和方言的翻译文本。每个实例对应一种语言的完整文档文本，并包含语言相关的标识信息，如语言名称、ISO 639-3代码、ISO 15924代码和BCP 47代码。数据集的主要用途是翻译任务，但由于文本较短，可能在大多数建模和评估中的实用性有限。
This dataset contains multilingual translated versions of the Universal Declaration of Human Rights (UDHR), covering translated texts in over 400 languages and dialects. Each instance corresponds to the complete document text of one language, and includes language-related identification information such as language name, ISO 639-3 code, ISO 15924 code, and BCP 47 code. The primary intended use of this dataset is for translation tasks; however, due to the short length of the texts, its practical utility in most modeling and evaluation scenarios may be limited.
数据集卡片：《世界人权宣言》（UDHR）
数据集描述
数据集摘要
《世界人权宣言》（UDHR）是人类历史上的一项里程碑文件。它由来自世界各地具有不同法律和文化背景的代表起草，首次提出了普遍受保护的基本人权。该宣言于1948年12月10日在巴黎举行的联合国大会第183次全体会议上被采纳。
支持的任务和排行榜
[更多信息需补充]
语言
该数据集包括该文件在超过400种语言和方言中的翻译。语言列表可以在这里找到。
数据集结构
数据实例
每个实例对应一种不同的语言，并包括该语言和完整文档文本的信息。
数据字段
text: 完整文档文本，每行文本由换行符（lang_key: 给定翻译的唯一标识符。lang_name: 语言/方言的文本描述。iso639-3: iso639-3 语言标识符。iso15924: iso15924 语言标识符。bcp47: BCP 47 语言标识符。
数据分割
仅包含一个 train 分割，其中包括所有语言的完整文档。
| train | |
|---|---|
| 样本数量 | 488 |
数据集创建
策划理由
除了其社会意义外，该文件在1999年创下了世界上被翻译最多的文件的世界纪录，因此对于需要多种语言配对文本的场景非常有用。
源数据
初始数据收集和规范化
[更多信息需补充]
源语言生产者是谁？
[更多信息需补充]
注释
注释过程
[更多信息需补充]
注释者是谁？
[更多信息需补充]
个人和敏感信息
[更多信息需补充]
使用数据集的注意事项
数据集的社会影响
除了联合国《世界人权宣言》的社会和政治意义外，该文件在1999年创下了世界上被翻译最多的文件的世界纪录，因此对于需要多种语言配对文本的场景非常有用，包括那些在自然语言处理研究中严重不足的低资源语言。
偏见的讨论
[更多信息需补充]
其他已知限制
尽管该文件被翻译成非常多的语言，但文本非常短，因此对于大多数类型的建模和评估可能用途有限。
附加信息
数据集策展人
这里的txt/xml数据文件由Unicode Consortium编译，可以在这里找到。原始文本可以在联合国网站上找到。
许可信息
源文本 © 1996 – 2022 联合国人权事务高级专员办事处
这些翻译适用于Unicode许可。
引用信息
United Nations. (1998). The Universal Declaration of Human Rights, 1948-1998. New York: United Nations Dept. of Public Information.
