gshbao/DocNMT

--- license: afl-3.0 task_categories: - translation language: - en - de pretty_name: Doc-Level NMT size_categories: - 100K<n<1M --- # Dataset Card for Dataset Name ### Dataset Summary The benchmark datasets for document-level machine translation. ### Supported Tasks Document-level Machine Translation Tasks. ### Languages English-German ## Dataset Structure ### Data Instances TED: iwslt17, News: nc2016, Europarl: europarl7 ### Data Fields Pure text that each line represents a sentence and multiple lines separated by '\<d\>' line form a document. ### Data Splits train, dev, test ### Data Usage This dataset is created for the convenience of usage by https://github.com/baoguangsheng/g-transformer--- 许可证：afl-3.0 任务类别： - 翻译 语言： - 英语 - 德语 友好名称：文档级神经机器翻译（Doc-Level NMT） 规模类别： - 100K<n<1M --- # 数据集卡片（Dataset Card） ### 数据集概述 本数据集为文档级神经机器翻译领域的基准测试数据集。 ### 支持任务 文档级神经机器翻译任务。 ### 支持语言 英语-德语 ## 数据集结构 ### 数据实例 TED数据集：iwslt17，新闻数据集：nc2016，欧洲议会数据集：europarl7 ### 数据字段 采用纯文本格式，每行代表一个句子，以'<d>'行分隔的多行文本将构成一篇完整文档。 ### 数据划分 训练集（train）、开发集（dev）、测试集（test） ### 数据集用途 本数据集专为方便使用https://github.com/baoguangsheng/g-transformer 而构建。

原始信息汇总

数据集概述

数据集名称

Doc-Level NMT

数据集总结

本数据集为文档级机器翻译的基准数据集。

支持的任务

文档级机器翻译任务。

语言

英语-德语

数据集结构

数据实例

• TED: iwslt17
• 新闻: nc2016
• Europarl: europarl7

数据字段

纯文本，每行代表一个句子，多行通过<d>行分隔形成一个文档。

数据分割

训练集（train）、验证集（dev）、测试集（test）

数据集使用

该数据集为方便使用而创建，主要用于https://github.com/baoguangsheng/g-transformer项目。