geopti/opus-en-el-eval-mixture

---
language:
- en
- el
license: other
pretty_name: OPUS en-el Eval Mixture
tags:
- translation
- english
- greek
- opus
- dgt
- europarl
task_categories:
- translation
size_categories:
- 1M<n<10M
---

# OPUS en-el Eval Mixture

This dataset is a parquet export of two cleaned English-Greek parallel corpora:

- DGT v2019 `targeted_refined`
- Europarl v8 `targeted_refined_dedup`

It is intended as a reusable held-out evaluation source for translation model development.

## Format

One row per aligned pair with fields:

- `corpus`
- `pair_id`
- `en`
- `el`

## Current export

- total rows: 2941831
- DGT rows: 1722159
- Europarl rows: 1219672
- parquet shards: 30

语言：
- 英语（en）
- 希腊语（el）
许可协议：其他
数据集展示名称：OPUS 英-希评估混合集（OPUS en-el Eval Mixture）
标签：
- 机器翻译
- 英语
- 希腊语
- OPUS
- DGT
- Europarl
任务类别：
- 机器翻译
数据集规模区间：
- 100万 < 样本数 < 1000万

# OPUS 英-希评估混合集
本数据集为两份经过清洗的英-希平行语料库的Parquet格式导出文件：
- DGT v2019 `targeted_refined`（定向精修子集）
- Europarl v8 `targeted_refined_dedup`（定向精修去重子集）
本数据集旨在作为可复用的预留评估数据源，用于翻译模型的开发与验证。

## 数据格式
每条数据对应一组对齐语料对，包含以下字段：
- `corpus`：语料库来源标识
- `pair_id`：语料对唯一标识符
- `en`：英语文本
- `el`：希腊语文本

## 当前导出信息
- 总样本数：2941831
- DGT语料库样本数：1722159
- Europarl语料库样本数：1219672
- Parquet分片数量：30