Introduction BOLT Egyptian Arabic SMS/Chat Parallel Training Data was developed by LDC and consists of approximately 723,000 tokens of Egyptian Arabic SMS/Chat data collected for the DARPA BOLT progra

Mendeley Data2024-01-31 更新130

Aya Dataset

多语言处理

自然语言处理

一个包含65种语言的人工策划指令遵循数据集，旨在弥合语言差距，并通过模板化和翻译现有数据集创建了迄今为止最广泛的多语言集合，包含5.13亿实例。

arXiv2024-02-10 更新110

Marchanjo/spider-en-pt-es-fr

文本到SQL

多语言处理

mRAT-SQL-FIT是一个多语言SQL翻译器，通过数据库模式修剪技术改进自注意力机制，支持英语、葡萄牙语、西班牙语和法语，提高了翻译准确性。mRAT-SQL+GAP则专注于葡萄牙语的文本到SQL转换，使用多语言BART模型，结合英语和葡萄牙语数据集进行训练，提高了非英语语言的翻译性能。

Hugging Face2024-01-16 更新130

abdeljalilELmajjodi/darija_pairs_multilang_dataset

多语言处理

自然语言处理

该数据集包含多个特征，如输入、目标、语言、分割、模板、数据集和配置。数据集主要分为训练集，包含1,223,481个样本，总大小为658,460,245字节。下载大小为274,416,929字节。数据集采用默认配置，数据文件路径为data/train-*。

Hugging Face2024-11-22 更新130

The Readability Score Measurement Table

资源简介：

相关数据集