Helsinki-NLP/tep_en_fa_para

TepEnFaPara数据集是一个英语-波斯语的平行语料库，由德黑兰大学的自然语言与文本处理实验室提供。该数据集的主要任务是支持英语和波斯语之间的机器翻译任务。数据集包含612,087个训练样本，规模在10万到100万之间。数据集的创建者、注释者、数据收集和标准化过程等信息未提供。

原始信息汇总

数据集概述

基本信息

• 数据集名称: TepEnFaPara
• 语言: 英语 (en), 波斯语 (fa)
• 许可证: 未知
• 多语言性: 翻译
• 大小: 100K<n<1M
• 源数据集: 原始数据
• 任务类别: 翻译

数据集结构

• 配置名称: en-fa
• 特征:
  • 名称: translation
  • 数据类型:
    • 语言: 英语, 波斯语
• 数据分割:
  • 训练集:
    • 字节数: 58735557
    • 示例数: 612087
  • 下载大小: 16353318
  • 数据集大小: 58735557

数据集创建

• 创建理由: 提供第一个免费的英语-波斯语平行语料库
• 源数据: 原始数据
• 注释: 由发现者创建
• 语言创建者: 由发现者创建

引用信息

M. T. Pilevar, H. Faili, and A. H. Pilevar, “TEP: Tehran English-Persian Parallel Corpus”, in proceedings of 12th International Conference on Intelligent Text Processing and Computational Linguistics (CICLing-2011).