DSI-enriched ParaCrawl 9 en-nl corpus

B2FIND2026-04-29 收录

机器翻译

平行语料库处理

数据链接：

https://b2find.eudat.eu/dataset/3c195c04-50b8-5138-8ee6-3c9b8c69a3f9 数据链接链接失效反馈

官方服务：

资源简介：

This is a derivative work based on Paracrawl release 9 English-Dutch (https://paracrawl.eu/). This version of the corpus includes a set of probabilities corresponding to the...

homersimpson/opensubtitles_fr

机器翻译

语言数据

该数据集包含电影相关的元数据和翻译信息，具体包括电影的ID、年份、IMDb ID、字幕ID及其对应的语言（加泰罗尼亚语和法语）。数据集分为训练集、验证集和测试集，分别包含240000、30000和30000个示例。数据集的总下载大小为26004408字节，总大小为36369003字节。

Hugging Face2023-12-05 更新160

zenless-lab/alt

机器翻译

多语言文本

该数据集是一个包含英语和日语文本对的多语言数据集，适用于训练机器翻译模型。数据集包含多个配置版本，每个版本都有唯一的标识符、英语文本和日语文本，并且分为训练集和测试集。

Hugging Face2024-12-20 更新150

michsethowusu/kinyarwanda-tsonga_sentence-pairs

自然语言处理

机器翻译

该数据集包含非洲语言句子对及其相似度评分，适用于机器翻译、句子对齐或其他自然语言处理任务。数据集基于NLLBv1构建，包含332,229行，每行有三个字段：相似度评分、基尼亚鲁旺达语句子和宗加语句子。可用于训练和评估机器学习模型，进行翻译、句子相似度计算和跨语言迁移学习等任务。

Hugging Face2025-03-30 更新130

GALE Phase 4 Arabic Weblog Parallel Sentences

机器翻译

平行语料库

Introduction GALE Phase 4 Arabic Weblog Parallel Sentences was developed by the Linguistic Data Consortium (LDC). Along with other corpora, the parallel text in this release comprised

DataCite Commons2021-07-01 更新160

Kosp2e

机器翻译

语言学

Kosp2e（读作“kospi”）是一个语料库，可以将韩语语音以端到端的方式翻译成英文文本

OpenDataLab2026-07-12 更新130