-
AI4D_Based法语至丰贝埃维神经机器翻译平行文本数据集
数据集概述 本数据集是面向神经机器翻译任务的多语言平行文本集合，包含从法语到丰贝语（多哥语言）、法语到埃维语（贝宁语言）的平行句子对，总计七万余条标注数据，适用于机器翻译和句子分类任务，由AI4D倡议贡献。 文件详解 文件名称：French_to_fongbe.csv 文件格式：CSV...
-
Flexico_Source_自适应可持续机器翻译实验复现数据
数据集概述 本数据集用于复现论文“Flexico: Sustainable Machine Translation via Self-Adaptation”的研究结果，包含6个文件，涉及香港新闻和opus_eng_fra数据集的实验数据，涵盖聚类距离、时间统计等机器翻译自适应相关指标，支持可持续翻译模型的实验验证。 文件详解 香港新闻数据集相关文件...
-
MUST_LT_Based_学生翻译评估语料库数据_2023版
数据集概述 本数据集包含MUST-LT语料库中的学生翻译评估数据，用于搭配翻译研究。数据源自Vaičenonienė, J. 2023年关于MUST-LT学习者翻译语料库的搭配翻译案例分析研究，为翻译教学与研究提供实证数据支持。 文件详解 文件名称：MUST-LT studentų vertimai.docx 文件格式：DOCX...
-
ChatGPT_Based_HSK3词汇句子翻译准确性研究数据
数据集概述 本数据集围绕HSK3词汇句子的ChatGPT翻译准确性展开研究，包含一份文档文件，记录了相关研究的核心数据内容，可用于分析ChatGPT在HSK3词汇句子翻译任务中的表现。 文件详解 文件名称：Data CHATGPT dan KAMUS BESAR.docx 文件格式：DOCX...
-
数据2024_MT_LLM_英到斯洛文尼亚语翻译质量评估数据集
数据集概述 本数据集为大语言模型（LLM）与传统神经机器翻译（NMT）的评估任务制备，包含7个系统（3个MT系统、4个LLM AI助手）的英到斯洛文尼亚语翻译结果，原始源文本与翻译同步采集以避免数据泄漏。 文件详解 翻译评估表格文件...
-
nlp_text_sentence_Based_汉印尼复合句数据集
数据集概述 本数据集包含普通话与印尼语的复合句数据，核心内容围绕两种语言的复合句展开，为自然语言处理领域提供研究资源。数据集文件数量为1，无目录结构，主要文件格式为xlsx。 文件详解 文件名称：Data Set of Compound Sentences in Mandarin and Indonesian.xlsx 文件格式：XLSX...
-
HornMT_Based_非洲之角多语言机器翻译基准平行语料数据集
数据集概述 本数据集是针对非洲之角语言的机器翻译基准平行语料库，包含阿法尔语、阿姆哈拉语、英语、奥罗莫语、索马里语、提格雷尼亚语6种语言的新闻片段平行文本，以及每条文本对应的元数据（如新闻范围、类别、来源等），支持多语言机器翻译研究与系统开发。 文件详解 核心数据文件 目录名称：data/...
-
WOKIE_Based_SKOS叙词表LLM自动化翻译系统支持数据
数据集概述 本数据集为WOKIE项目“FAIR in allen Sprachen”的附录数据，包含基于LLM的SKOS叙词表自动化翻译系统相关文件，涉及多语言翻译结果、翻译详情及原始叙词表等内容，共10个文件，用于支持该翻译系统的相关研究与应用。 文件详解 RDF格式文件（80.0%） 文件名称：unesco_reduced_en-...
-
数据85_Business_Word_中印尼商务词汇多平台翻译数据
数据集概述 本数据集包含85条商务相关中文词汇的印尼语翻译结果，通过Google Translate、Baidu Translate和DeepL三个翻译工具生成，为商务场景下的中印尼词汇翻译提供多平台对比参考，共含1个文件。 文件详解 文件名称：85 Chinese-Indonesian Business Word Translations.xlsx...
-
WMT17_Based_生物医学翻译任务Scielo测试与黄金数据集
数据集概述 本数据集为第二届机器翻译会议（WMT'17）生物医学翻译任务的测试与黄金数据集，包含测试文件、黄金文件及使用GMA工具生成的自动对齐文件，数据来源于Scielo数据库，以压缩包形式提供。 文件详解 文件名称：wmt17-biomedical-scielo.zip 文件格式：ZIP 字段映射介绍：压缩包内包含三类文件：测试文件（Test...
-
ClinSpEn_CT_Based_平行英西生物医学术语数据_2022
数据集概述 本数据集为ClinSpEn-Clinical Terms子任务的样本、测试及背景数据，方向为西班牙语到英语（ES>EN）翻译。术语源自医学文献和临床记录，聚焦疾病、症状等类别，由专业医疗译者翻译修订，支持生物医学领域机器翻译系统开发与评估。 文件详解...
-
WMT16_Based_Medline生物医学翻译任务平行语料数据集
数据集概述 本数据集为WMT'16生物医学翻译任务提供的平行语料，源自Medline/PubMed数据库，包含西班牙语-英语、法语-英语、葡萄牙语-英语三种语言对的平行文本数据，支持生物医学领域的机器翻译模型训练与评估。 文件详解 文件名称：pubmed_en_pt.txt.zip 文件格式：ZIP 字段映射介绍：包含英语-葡萄牙语生物医学平行文本数据...
-
Regesta_Imperii_Based弗里德里希三世皇帝特许状登记册自动化翻译数据集
数据集概述 本数据集提供弗里德里希三世皇帝（1440-1493年在位）特许状登记册的英文自动化翻译内容，源自Regesta Imperii项目。翻译基于DeepL神经机器翻译技术，经专业术语词汇表补充及人工编辑，包含第1-36卷的简版登记册摘要，助力国际用户查阅中世纪皇权特许状文献。 文件详解 文件名称：Gesamt1.xlsx 文件格式：XLSX...
-
低资源语言数据集_基于肯尼亚本土语言与斯瓦希里语的平行语料库_v1_0_0
数据集概述 本数据集包含肯尼亚三种本土语言（Kidaw'ida、Kalenjin、Dholuo）与斯瓦希里语的平行语料库，每种语料库平均含三万句对，用于训练机器翻译模型，支持斯瓦希里语与本土语言间的翻译，由USIU-Africa等机构研究者创建，将持续更新优化。 文件详解 文件名称：waleghwa/low-resource-language-...
-
JOST_专业翻译杂志_非二元性别出柜报道中性别公平语言策略的翻译研究数据
数据集概述 本数据集为论文“Translating Non-Binary Coming-Out Reports: Gender-Fair Language Strategies and Use in News...
-
Thucydides_Persian_修昔底德著作波斯语译本关键术语对应数据
数据集概述 本数据集系统整理了修昔底德《伯罗奔尼撒战争史》波斯语译本中“Barbarians”“Persians”“Medes”三类关键术语的对应翻译。通过提取希腊原文术语（如βάρβαρος、Μῆδος等），匹配穆罕默德·哈桑·洛特菲译本中的波斯语表达，包含原文出处、波斯语译文及英文回译等信息，共9个结构化文件，支持古典文献翻译研究与术语对比分析。...
-
TradutorNós_Based_加利西亚语EMP多词表达自动翻译评估数据
数据集概述 本数据集用于评估TradutorNós翻译工具对加利西亚语多词表达（EMP）的翻译精度，包含加利西亚语到英语、西班牙语的翻译内容，仅含一个文件，便于快速获取和使用。 文件详解 文件名称：Conjunto de datos de traducción automática de la EMP en gallego con...
-
IN00618_Source_NAUSARI_SILADITYA铭文翻译数据
数据集概述 本数据集为IN00618编号的NAUSARI PLATES OF YUVARAJA SRYASRAYA SILADITYA铭文的翻译文件，包含一份文档，记录该铭文的翻译内容，是研究相关历史铭文的基础资料。 文件详解 文件名称：IN00618 translation.docx 文件格式：DOCX...
-
Referências_Culturais_视听翻译文化参考公众接收研究数据集
数据集概述 本数据集为视听翻译文化参考相关的公众接收研究数据，聚焦欧洲葡萄牙语字幕的公众接收情况，是一项接收研究的复现数据集。包含一个数据文件，可用于分析视听翻译中文化参考的公众接收特征。 文件详解 文件名称：Data.xlsx 文件格式：XLSX...
-
MeSDiCon_Based_西班牙语医学疾病症状候选名称词汇集_未过滤初始版
数据集概述 本数据集为MeSDiCon（西班牙语医学疾病与症状名称词汇集）的未过滤初始版本，包含西班牙语临床文本中提及的疾病和症状候选名称列表。数据通过自动识别、翻译及临床语料匹配生成，每条记录关联目标术语命名空间（MeSH或OMIM）及对应标识符，提供术语在2000万份西班牙语临床笔记中的出现频率和文档频率。 文件详解...
