xri/GayoNMT

GayoNMT是一个包含8000句英语、印尼语和Gayo语的平行数据集，主要用于微调神经机器翻译模型和大型语言模型。Gayo语是一种在苏门答腊岛北端亚齐省使用的低资源南岛语系语言，约有275,000人使用。数据集由XRI Global开发的一种专有方法创建和整理，确保在数据收集时覆盖概念空间。数据收集使用了移动数据收集应用Echonet和自定义翻译管理系统。数据集在文学和叙事文本领域最为有效，但在技术、科学或口语领域能力较弱。

原始信息汇总

数据集概述

基本信息

• 许可证: cc-by-sa-4.0
• 任务类别: 翻译
• 语言:
  • 印尼语 (id)
  • 英语 (en)
  • Gayo
• 数据集大小: 1K<n<10K

数据集描述

• 组成: 包含8,000句子的平行语料库，涉及英语、印尼语和Gayo语。
• 用途: 用于微调神经机器翻译模型和大型语言模型，特别是针对Gayo语。
• 语言背景: Gayo是一种低资源的南岛语系语言，约有275,000人使用，主要分布在苏门答腊岛北部的亚齐省。
• 数据收集方法: 采用XRI Global开发的专有方法，确保数据收集时概念空间的覆盖，旨在为低资源语言创建最快和最经济的数据收集方式，优化用于语言模型的微调。
• 数据收集工具: 使用移动数据收集应用Echonet和定制的翻译管理系统。
• 适用领域: 主要适用于文学和叙事文本，其他领域如技术、科学或口语化文本效果较差。