多领域机器翻译基准数据集由上海交通大学、同壹实验室和NLP2CT实验室（澳门大学）共同创建，旨在评估大型语言模型在多领域机器翻译中的表现。该数据集包含25个德英和22个中英测试集，涵盖新闻、医疗、法律、IT等15个领域，总条数为47。数据集的创建过程结合了OPUS、WMT、TedTalks等多个来源的数据，并通过精细的领域分类和标注确保数据的多样性和代表性。该数据集主要应用于机器翻译模型的多领域适

arXiv2024-10-04 更新3960

michsethowusu/swati-tumbuka_sentence-pairs

自然语言处理

机器翻译

Swati-Tumbuka句子对数据集包含非洲语言中的句子对及其相似度分数。该数据集可用于机器翻译、句子对齐或其他自然语言处理任务。数据集基于NLLBv1数据集构建，由META领导的开放源代码计划发布在OPUS上。每一行数据包含三个字段：相似度分数、Swati语言句子和Tumbuka语言句子。

Hugging Face2025-03-31 更新140

michsethowusu/bemba-nuer_sentence-pairs

自然语言处理

机器翻译

Bemba-Nuer句子对数据集包含非洲语言句子对及其相似度评分。该数据集每一行由三个列组成：相似度评分、Bemba语言句子和Nuer语言句子。数据集旨在用于训练和评估机器学习模型，适用于翻译、句子相似度评估以及跨语言迁移学习等任务。

Hugging Face2025-04-03 更新80

Indian Tv Schedule

电视节目表

多语言内容

Get Daily TV Schedules for more than 660 channels covering over 10 Languages.

RapidAPI2024-10-31 更新270

anirudhlakhotia/roots_indic-hi_iitb_english_hindi_corpus

机器翻译

多语言文本处理

--- dataset_info: features: - name: text dtype: string splits: - name: train num_bytes: 4017420782 num_examples: 8388176 download_size: 1741728890 dataset_size: 4017420782 conf

Hugging Face2024-01-25 更新100

NguyenNgo12/netflix-en-es

资源简介：

数据集许可证

相关数据集