Indic Parallel Corpus

kaggle2023-10-17 更新2024-03-07 收录

下载链接：

https://www.kaggle.com/datasets/lallucycle/indic-parallel-corpus

下载链接

链接失效反馈

官方服务：

资源简介：

创建时间：

2023-10-17

Indic parallel corpus

该数据集包含了印地语系语言的平行翻译资料，对于评估翻译质量非常有用。它特别适用于低资源或零资源神经机器翻译任务。

arXiv90

MADAR Parallel Corpus Dataset

The MADAR corpus is a collection of parallel sentences covering the dialects of 25 cities from the Arab World, in addition to English, French, and MSA. The corpus is created by translating selected se

SSH Open MarketPlace2021-07-22 更新40

Anuvaad Parallel Corpus

该数据集包含了多种印度语言的平行语料库，旨在构建高质量的平行语料库，用于训练基于不同领域（如法律、教育、医疗、汽车、新闻等）的机器学习模型。

github2024-04-08 更新210

Indic Hindi-Marathi-Oriya Parallel Corpus

kaggle2023-11-30 更新00

Kurdish Parallel Corpus

Kurdish Parallel Corpus是由爱尔兰国立高威大学Insight数据分析中心创建的多语言平行语料库，专注于库尔德语。该数据集包含12,327个Sorani-Kurmanji翻译对，1,797个Kurmanji-English翻译对，以及650个Sorani-English翻译对，总计14,774条数据。数据集通过从多语言新闻网站收集新闻文章，并基于词汇相似性和文字转写进行手动对齐

arXiv2020-10-04 更新80