Indic Parallel Corpus

kaggle2023-10-17 更新2024-03-07 收录

下载链接：

https://www.kaggle.com/datasets/lallucycle/indic-parallel-corpus

下载链接

链接失效反馈

官方服务：

资源简介：

创建时间：

2023-10-17

Indic parallel corpus

该数据集包含了印地语系语言的平行翻译资料，对于评估翻译质量非常有用。它特别适用于低资源或零资源神经机器翻译任务。

arXiv90

Coursera Parallel Corpus

Coursera Parallel Corpus是由日本国立信息通信技术研究所、京都大学和国立情报学研究所合作创建的双语数据集，专注于提升讲座转录的机器翻译质量。该数据集通过从Coursera平台公开可用的讲座中挖掘平行语料，采用动态规划算法基于机器翻译句子的余弦相似度进行句子对齐，确保了数据的高质量。数据集包含约50,543行英日平行语料和40,074行英中平行语料，适用于英日和英中机器翻译系统

arXiv2023-11-07 更新210

Parallel Audiobook Corpus

The Parallel Audiobook Corpus (version 1.0) is a collection of parallel readings of audiobooks. The corpus consists of approximately 121 hours of speech at 22.05KHz across 4 books and 59 speakers. The

DataCite Commons2023-04-27 更新70

Indic Hindi-Marathi-Oriya Parallel Corpus

kaggle2023-11-30 更新00

Parallel Bible Corpus

This corpus contains historical and contemporary translations of the Bible.

SSH Open MarketPlace2023-10-13 更新50