SaranaAbidueva/buryat-russian_parallel_corpus

该数据集包含41,000对俄语和布里亚特语的平行语料，其中包括19,411对句子和20,058对单词。数据来源多样，包括圣经、书籍、Tatoeba、诗歌、Nimbuev的诗歌、词典、维基百科、法律和儿童剧本等。数据集的结构包括训练集，其中包含40,979个示例，总大小为9,502,247字节。

原始信息汇总

数据集概述

基本信息

• 数据集名称: buryat-russian_parallel_corpus
• 许可证: cc-by-4.0
• 语言:
  • 俄语 (ru)
  • 布里亚特语 (bxr)
• 任务类别: 翻译
• 大小类别: 10K<n<100K

数据集特征

• bxr: 字符串类型
• ru: 字符串类型
• corpus: 字符串类型

数据集拆分

• 训练集:
  • 示例数量: 38260
  • 字节数: 8989074

数据集大小

• 下载大小: 4394110字节
• 数据集大小: 8989074字节

数据集内容

• 总对数: 38260对
• 句子对数: 19411对
• 单词对数: 20058对

数据来源统计

• 圣经: 7519
• 书籍: 5250
• 塔托耶巴: 807
• 诗歌: 471
• 尼姆布耶夫的诗歌: 1210
• 词典: 20058
• 维基百科: 1882
• 法律: 1063