zaanind/sinhala_englsih_parrel_corpus

该数据集包含大约80,000条英语-僧伽罗语翻译对，可用于训练机器翻译任务和其他自然语言处理应用。由于数据集规模较大，部分句子可能存在错误，因此在使用前建议进行数据清理和验证，以提高模型的可靠性。

原始信息汇总

数据集概述

基本信息

• 名称: Eng-Sinhala Translation Dataset
• 别名: Zoom Eng-Si Nmt Dataset
• 语言: 英语（English）、僧伽罗语（Sinhala）
• 许可: GNU General Public License (GPL)
• 大小: 10K<n<100K 行

数据集详情

• 特征:
  • english: 数据类型为字符串
  • sinhala: 数据类型为字符串
• 分割:
  • 训练集: 包含81,253个例子，总字节数为8,592,380
• 下载大小: 4,187,458字节
• 数据集大小: 8,592,380字节

用途

• 用于训练机器翻译模型和其他自然语言处理应用

注意事项

• 数据集可能包含错误，建议进行数据清洗和验证以提高模型可靠性

贡献者

• 特别感谢Zoom.lk字幕团队提供的数据收集和清理工作