SaranaAbidueva/buryat-russian_parallel_corpus
收藏官方服务：
资源简介：
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。
This dataset contains 41,000 parallel Russian-Buryat corpus pairs, including 19,411 sentence pairs and 20,058 word pairs. The data is sourced from diverse materials, including the Bible, books, Tatoeba, poems, poems by Nimbuev, dictionaries, Wikipedia, legal documents, and children's plays, among others. The dataset structure includes a training set with 40,979 examples, with a total size of 9,502,247 bytes.
提供机构：
SaranaAbidueva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
