para_pat

Parallel Corpus of Patents Abstracts（ParaPat）提供了一个包含超过6800万个句子和8亿个词条的专利摘要平行语料库，涵盖74种语言对。该语料库支持文本生成、掩码填充和翻译等任务，并提供标准化数据操作。其中，较大规模的22种语言对的句子使用Hunalign算法自动对齐，其余语言对则在段落层面进行对齐。语料库中的数据来源于Google Patents数据集，并采用CC-BY 4.0授权许可。