grosenthal/latin_english_parallel

该数据集包含101k个拉丁语到英语的翻译对，分为训练集、测试集和验证集，比例为99/1/1。数据主要来源于Loeb古典图书馆（66%）和Vulgate翻译（34%）。对于来自Loeb古典图书馆的数据，源和目标序列之间的对齐是手动完成的，并且英语翻译经过了现代化处理以适应公共领域的使用。处理过程中使用了OpenAI的gpt3.5-turbo模型进行翻译，并手动校正了不符合标准的输出。每个样本都标注了索引和文件（以及作者/作品）信息。

原始信息汇总

数据集概述

基本信息

• 数据集名称: Latin to English Translation Pairs
• 别名: latin_english_parallel
• 任务类别: 翻译
• 语言: 拉丁语, 英语
• 大小类别: 10K<n<100K

数据集结构

• 特征:
  • id: 整数类型
  • la: 字符串类型（拉丁语）
  • en: 字符串类型（英语）
  • file: 字符串类型

数据分割

• 训练集:
  • 示例数量: 99343
  • 字节数: 39252644
• 测试集:
  • 示例数量: 1014
  • 字节数: 405056
• 验证集:
  • 示例数量: 1014
  • 字节数: 392886

下载与数据集大小

• 下载大小: 25567350字节
• 数据集大小: 40050586字节

许可证

• 许可证: MIT

数据来源与处理

• 来源: 约66%来自Loeb Classical Library，34%来自Vulgate翻译。
• 处理: 使用gpt3.5-turbo模型在OpenAI上进行翻译，随后手动校正不符合标准的输出。

样本信息

• 样本注释: 包含索引和文件信息（及作者/作品）。
• 错误修正: 欢迎通过提交PR来修正错误。