Hindi-English CodeMix Balanced

kaggle2023-10-07 更新2024-03-08 收录

下载链接：

https://www.kaggle.com/datasets/pinakisahu2/hindi-english-codemix-balanced

下载链接

链接失效反馈

官方服务：

资源简介：

创建时间：

2023-10-07

Code Mixed (Hindi-English) Dataset

contains scraped devanagri code mixed data from Hindi newspapers

kaggle2018-01-12 更新90

Hindi-English Code-Mix Imbalaced

kaggle2023-10-15 更新00

Hindi-English新闻平行语料库

本研究开发了一个自动生成Hindi-English新闻翻译任务平行语料库的系统原型。数据集由从网络爬取的比较语料库构建，通过模糊字符串匹配算法提高质量。该数据集旨在解决现有Hindi-English平行语料库规模有限的问题，支持统计机器翻译系统和神经机器翻译系统的训练。数据集的创建过程涉及从Navbharat Times等来源提取Hindi新闻内容，并将其翻译成英语，然后通过Google搜索API

arXiv2019-01-25 更新80

Hindi-English Code-Switched Sentences

The dataset used in the paper is a collection of Hindi-English code-switched sentences.

DataCite Commons2026-01-07 更新50

Hindi-English synthetic code-switched dataset

该数据集是由圣母大学研究人员创建的，旨在解决低资源语言在大型语言模型中表现不佳的问题。数据集包含1202个问题，这些问题是通过对CommonSenseQA数据集中的英文问题进行混合语言转换生成的。数据集的特点是包含三种不同的语言混合比例，旨在研究不同混合程度对模型性能的影响。数据集的创建过程涉及使用GPT-3.5和CoCoa模型生成混合语言文本。该数据集可用于评估和改进低资源语言在大型语言模型中的

arXiv2025-08-18 更新150