Helsinki-NLP/ecb

---
annotations_creators:
- found
language_creators:
- found
language:
- cs
- da
- de
- el
- en
- es
- et
- fi
- fr
- hu
- it
- lt
- lv
- mt
- nl
- pl
- pt
- sk
- sl
license:
- unknown
multilinguality:
- multilingual
size_categories:
- 100K<n<1M
source_datasets:
- original
task_categories:
- translation
task_ids: []
paperswithcode_id: ecb
pretty_name: extension to the EventCorefBank
dataset_info:
- config_name: de-fr
features:
- name: id
dtype: string
- name: translation
dtype:
translation:
languages:
- de
- fr
splits:
- name: train
num_bytes: 39514115
num_examples: 105116
download_size: 10326178
dataset_size: 39514115
- config_name: cs-en
features:
- name: id
dtype: string
- name: translation
dtype:
translation:
languages:
- cs
- en
splits:
- name: train
num_bytes: 19524831
num_examples: 63716
download_size: 5360485
dataset_size: 19524831
- config_name: el-it
features:
- name: id
dtype: string
- name: translation
dtype:
translation:
languages:
- el
- it
splits:
- name: train
num_bytes: 47300471
num_examples: 94712
download_size: 10394277
dataset_size: 47300471
- config_name: en-nl
features:
- name: id
dtype: string
- name: translation
dtype:
translation:
languages:
- en
- nl
splits:
- name: train
num_bytes: 43118164
num_examples: 126482
download_size: 11360895
dataset_size: 43118164
- config_name: fi-pl
features:
- name: id
dtype: string
- name: translation
dtype:
translation:
languages:
- fi
- pl
splits:
- name: train
num_bytes: 12973283
num_examples: 41686
download_size: 3521950
dataset_size: 12973283
---

# Dataset Card for extension to the EventCorefBank

## Table of Contents
- [Dataset Description](#dataset-description)
- [Dataset Summary](#dataset-summary)
- [Supported Tasks and Leaderboards](#supported-tasks-and-leaderboards)
- [Languages](#languages)
- [Dataset Structure](#dataset-structure)
- [Data Instances](#data-instances)
- [Data Fields](#data-fields)
- [Data Splits](#data-splits)
- [Dataset Creation](#dataset-creation)
- [Curation Rationale](#curation-rationale)
- [Source Data](#source-data)
- [Annotations](#annotations)
- [Personal and Sensitive Information](#personal-and-sensitive-information)
- [Considerations for Using the Data](#considerations-for-using-the-data)
- [Social Impact of Dataset](#social-impact-of-dataset)
- [Discussion of Biases](#discussion-of-biases)
- [Other Known Limitations](#other-known-limitations)
- [Additional Information](#additional-information)
- [Dataset Curators](#dataset-curators)
- [Licensing Information](#licensing-information)
- [Citation Information](#citation-information)
- [Contributions](#contributions)

## Dataset Description

- **Homepage:** http://opus.nlpl.eu/ECB.php
- **Repository:** None
- **Paper:** http://www.lrec-conf.org/proceedings/lrec2012/pdf/463_Paper.pdf
- **Leaderboard:** [More Information Needed]
- **Point of Contact:** [More Information Needed]

### Dataset Summary

To load a language pair which isn't part of the config, all you need to do is specify the language code as pairs.
You can find the valid pairs in Homepage section of Dataset Description: http://opus.nlpl.eu/ECB.php
E.g.

`dataset = load_dataset("ecb", lang1="en", lang2="fi")`

### Supported Tasks and Leaderboards

[More Information Needed]

### Languages

[More Information Needed]

## Dataset Structure

### Data Instances

Here are some examples of questions and facts:

### Data Fields

[More Information Needed]

### Data Splits

[More Information Needed]

## Dataset Creation

### Curation Rationale

[More Information Needed]

### Source Data

[More Information Needed]

#### Initial Data Collection and Normalization

[More Information Needed]

#### Who are the source language producers?

[More Information Needed]

### Annotations

[More Information Needed]

#### Annotation process

[More Information Needed]

#### Who are the annotators?

[More Information Needed]

### Personal and Sensitive Information

[More Information Needed]

## Considerations for Using the Data

### Social Impact of Dataset

[More Information Needed]

### Discussion of Biases

[More Information Needed]

### Other Known Limitations

[More Information Needed]

## Additional Information

### Dataset Curators

[More Information Needed]

### Licensing Information

[More Information Needed]

### Citation Information

[More Information Needed]

### Contributions

Thanks to [@abhishekkrthakur](https://github.com/abhishekkrthakur) for adding this dataset.

annotations_creators:
- 公开获取（found）
language_creators:
- 公开获取（found）
language:
- 捷克语（cs, Czech）
- 丹麦语（da, Danish）
- 德语（de, German）
- 希腊语（el, Greek）
- 英语（en, English）
- 西班牙语（es, Spanish）
- 爱沙尼亚语（et, Estonian）
- 芬兰语（fi, Finnish）
- 法语（fr, French）
- 匈牙利语（hu, Hungarian）
- 意大利语（it, Italian）
- 立陶宛语（lt, Lithuanian）
- 拉脱维亚语（lv, Latvian）
- 马耳他语（mt, Maltese）
- 荷兰语（nl, Dutch）
- 波兰语（pl, Polish）
- 葡萄牙语（pt, Portuguese）
- 斯洛伐克语（sk, Slovak）
- 斯洛文尼亚语（sl, Slovenian）
license:
- 未知
multilinguality:
- 多语言
size_categories:
- 10万 < 样本量 < 100万
source_datasets:
- 原生数据集
task_categories:
- 机器翻译
task_ids: []
paperswithcode_id: ecb
pretty_name: 事件共指库（EventCorefBank）扩展集
dataset_info:
- config_name: de-fr
features:
- name: id
dtype: 字符串
- name: translation
dtype:
translation:
languages:
- 德语（de, German）
- 法语（fr, French）
splits:
- name: train
num_bytes: 39514115
num_examples: 105116
download_size: 10326178
dataset_size: 39514115
- config_name: cs-en
features:
- name: id
dtype: 字符串
- name: translation
dtype:
translation:
languages:
- 捷克语（cs, Czech）
- 英语（en, English）
splits:
- name: train
num_bytes: 19524831
num_examples: 63716
download_size: 5360485
dataset_size: 19524831
- config_name: el-it
features:
- name: id
dtype: 字符串
- name: translation
dtype:
translation:
languages:
- 希腊语（el, Greek）
- 意大利语（it, Italian）
splits:
- name: train
num_bytes: 47300471
num_examples: 94712
download_size: 10394277
dataset_size: 47300471
- config_name: en-nl
features:
- name: id
dtype: 字符串
- name: translation
dtype:
translation:
languages:
- 英语（en, English）
- 荷兰语（nl, Dutch）
splits:
- name: train
num_bytes: 43118164
num_examples: 126482
download_size: 11360895
dataset_size: 43118164
- config_name: fi-pl
features:
- name: id
dtype: 字符串
- name: translation
dtype:
translation:
languages:
- 芬兰语（fi, Finnish）
- 波兰语（pl, Polish）
splits:
- name: train
num_bytes: 12973283
num_examples: 41686
download_size: 3521950
dataset_size: 12973283

# 事件共指库（EventCorefBank）扩展数据集卡片

## 目录
- [数据集概述](#dataset-description)
- [数据集摘要](#dataset-summary)
- [支持任务与排行榜](#supported-tasks-and-leaderboards)
- [涉及语言](#languages)
- [数据集结构](#dataset-structure)
- [数据实例](#data-instances)
- [数据字段](#data-fields)
- [数据拆分](#data-splits)
- [数据集构建](#dataset-creation)
- [构建初衷](#curation-rationale)
- [源数据](#source-data)
- [注释](#annotations)
- [个人与敏感信息](#personal-and-sensitive-information)
- [数据集使用注意事项](#considerations-for-using-the-data)
- [数据集的社会影响](#social-impact-of-dataset)
- [偏差分析](#discussion-of-biases)
- [其他已知局限](#other-known-limitations)
- [附加信息](#additional-information)
- [数据集维护者](#dataset-curators)
- [许可信息](#licensing-information)
- [引用信息](#citation-information)
- [贡献](#contributions)

## 数据集概述

- **主页**：http://opus.nlpl.eu/ECB.php
- **代码仓库**：无
- **相关论文**：http://www.lrec-conf.org/proceedings/lrec2012/pdf/463_Paper.pdf
- **排行榜**：[需更多信息]
- **联系方式**：[需更多信息]

### 数据集摘要
若需加载配置中未包含的语言对，仅需指定由语言代码组成的配对即可。有效语言对可在数据集概述的主页链接 http://opus.nlpl.eu/ECB.php 中查询。示例如下：
python
dataset = load_dataset("ecb", lang1="en", lang2="fi")

### 支持任务与排行榜
[需更多信息]

### 涉及语言
[需更多信息]

## 数据集结构

### 数据实例
以下为若干示例内容：

### 数据字段
[需更多信息]

### 数据拆分
[需更多信息]

## 数据集构建

### 构建初衷
[需更多信息]

### 源数据
[需更多信息]

#### 初始数据收集与标准化
[需更多信息]

#### 源语言数据生产者是谁？
[需更多信息]

### 注释
[需更多信息]

#### 注释流程
[需更多信息]

#### 注释者是谁？
[需更多信息]

### 个人与敏感信息
[需更多信息]

## 数据集使用注意事项

### 数据集的社会影响
[需更多信息]

### 偏差分析
[需更多信息]

### 其他已知局限
[需更多信息]

## 附加信息

### 数据集维护者
[需更多信息]

### 许可信息
[需更多信息]

### 引用信息
[需更多信息]

### 贡献
感谢 [@abhishekkrthakur](https://github.com/abhishekkrthakur) 为本数据集的收录提供支持。

原始信息汇总

数据集概述

• 名称: extension to the EventCorefBank
• 语言: 多语言，包括 cs, da, de, el, en, es, et, fi, fr, hu, it, lt, lv, mt, nl, pl, pt, sk, sl
• 许可证: 未知
• 多语言性: 多语言
• 大小: 100K<n<1M
• 源数据集: 原始数据
• 任务类别: 翻译

数据集结构

配置名称: de-fr

• 特征:
  • id: 字符串类型
  • translation: 翻译类型，包括德语和法语
• 分割:
  • train: 105116个例子，数据大小39514115字节，下载大小10326178字节

配置名称: cs-en

• 特征:
  • id: 字符串类型
  • translation: 翻译类型，包括捷克语和英语
• 分割:
  • train: 63716个例子，数据大小19524831字节，下载大小5360485字节

配置名称: el-it

• 特征:
  • id: 字符串类型
  • translation: 翻译类型，包括希腊语和意大利语
• 分割:
  • train: 94712个例子，数据大小47300471字节，下载大小10394277字节

配置名称: en-nl

• 特征:
  • id: 字符串类型
  • translation: 翻译类型，包括英语和荷兰语
• 分割:
  • train: 126482个例子，数据大小43118164字节，下载大小11360895字节

配置名称: fi-pl

• 特征:
  • id: 字符串类型
  • translation: 翻译类型，包括芬兰语和波兰语
• 分割:
  • train: 41686个例子，数据大小12973283字节，下载大小3521950字节