ahazeemi/opus-medical-en-de

这是一个多领域的德语-英语平行数据集，由Aharoni和Goldberg在2020年引入。该数据集通过新的数据分割方法避免了训练集与开发/测试集之间的重复例子和数据泄露。原始的多领域数据首次出现在Koehn和Knowles的2017年研究中，包含五个在Opus网站上可用的数据集。This is a multi-domain German-English parallel dataset introduced by Aharoni and Goldberg in 2020. This dataset utilizes a novel data splitting method to eliminate duplicate instances and data leakage between the training, development, and test sets. The original multi-domain dataset, first appearing in the 2017 study by Koehn and Knowles, comprises five datasets available on the Opus website.

原始信息汇总

数据集概述

数据集名称

opus-medical-en-de

数据集特征

• de: 字符串类型
• en: 字符串类型

数据集分割

• train:
  • 示例数量: 248099
  • 字节数: 53121579
• dev:
  • 示例数量: 2000
  • 字节数: 433240
• test:
  • 示例数量: 2000
  • 字节数: 446369

数据集大小

• 下载大小: 35861692字节
• 数据集大小: 54001188字节

任务类别

• 翻译

语言

• 英语 (en)
• 德语 (de)

标签

• 医疗

大小类别

• 100K < n < 1M