中日平行语料数据【数据堂】

983万组中日平行互译语料，数据存储格式为txt文档，包括通用、IT、新闻、专利、国际工程五个领域数据。已进行数据清洗脱敏质检，可作为文本类数据分析的基础语料库，用于机器翻译等领域。

This dataset contains 9.83 million pairs of Chinese-Japanese bidirectional parallel translation corpora. All corpus data is stored in TXT format, covering five domains including general, IT, news, patent, and international engineering. The dataset has undergone data cleaning, anonymization and quality inspection, and can serve as a foundational corpus for text-based data analysis and applications such as machine translation.

搜集汇总

背景与挑战

背景概述

该数据集包含983万组中日平行互译语料，以txt格式存储，覆盖通用、IT、新闻、专利和国际工程五个领域，已进行清洗脱敏处理，适用于机器翻译等文本分析任务。但请注意，这是商业数据，仅限企业合作购买使用，非免费公开资源。