AlienKevin/yue-cmn-eng

该数据集包含英语、粤语和普通话之间的翻译数据，主要用于翻译任务。数据集分为三个配置：英语-粤语（eng-yue）、英语-普通话（eng-cmn）和普通话-粤语（cmn-yue）。每个配置都包含测试集和训练集，其中英语-粤语配置的训练集有53333个示例，测试集有1500个示例；英语-普通话配置的训练集有47135个示例，测试集有1500个示例；普通话-粤语配置的训练集有11504个示例，测试集有1500个示例。

原始信息汇总

数据集概述

数据集配置

• eng-yue: 英语到粤语的翻译数据集。
• eng-cmn: 英语到普通话的翻译数据集。
• cmn-yue: 普通话到粤语的翻译数据集。

数据集特征

• translation: 每个配置的特征均为翻译，涉及两种语言。

数据集分割

• eng-yue:
  • train: 53,333个样本
  • test: 1,500个样本
• eng-cmn:
  • train: 47,135个样本
  • test: 1,500个样本
• cmn-yue:
  • train: 11,504个样本
  • test: 1,500个样本

数据文件路径

• eng-yue:
  • train: eng-yue/train-*
  • test: eng-yue/test-*
• eng-cmn:
  • train: eng-cmn/train-*
  • test: eng-cmn/test-*
• cmn-yue:
  • train: cmn-yue/train-*
  • test: cmn-yue/test-*