数据集 - 海数据

AI4D_Based法语至丰贝埃维神经机器翻译平行文本数据集

2026年1月29日 30 64 3

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...

ZIP

HornMT_Based_非洲之角多语言机器翻译基准平行语料数据集

2026年1月27日 30 135 27

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/...

ZIP

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

2026年1月21日 30 156 32

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-...

ZIP

伊戈尔远征记_平行语料库中的附着词研究文档

2025年12月22日 30 36 33

数据集概述本数据集为一份文档，内容源于2018年12月21日纪念Andrej A. Zalizniak的主题报告，围绕俄罗斯历史语言学展开，重点探讨Zalizniak提出的附着词内部排序模板原则及不定式结构中主格的描述，并通过历史语料库验证其理论，含《伊戈尔远征记》平行语料库中附着词及附着词簇频率的初步调查。文件详解文件名称:...

ZIP

Umsuka英语_祖鲁语平行语料库

2025年12月8日 30 38 16

数据集概述该数据集是开源高质量英语-祖鲁语平行语料库，涵盖南非本土及国际英语语境，由专业译者翻译构建。包含10000组平行句对（各5000组双向翻译），并从每组中分离1000组作为评估集，祖鲁语评估集经双重翻译以计算人类水平BLEU分数。文件详解训练数据文件（CSV格式）： zu-en.training.csv：祖鲁语-...

ZIP

ClinSpEn平行语料库_英语_西班牙语COVID_19临床病例_术语和本体概念数据集

2025年12月14日 30 106 29

数据集概述该数据集为ClinSpEn平行语料库，包含英语-西班牙语COVID-19临床病例报告、临床术语及本体概念三类数据，由专业医学翻译人员翻译并经临床专家修订，适用于训练和评估临床机器翻译系统，还提供单语背景数据用于分析系统在未见过数据上的表现。文件详解文件名称: clinspen_corpora_complete.zip 文件格式:...

ZIP

MeSpEn平行语料库_医疗健康文献数据集

2025年12月13日 30 47 43

数据集概述该数据集为西班牙语与英语医疗健康领域的平行语料库资源，整合了西班牙、拉丁美洲等地的生物医学、临床文献及患者健康信息，支持医疗机器翻译、多语言术语提取及西班牙语医疗自然语言处理组件开发。文件详解该数据集包含多个文件，具体说明如下： - 说明文档： - MedlinePlus-health-...

ZIP

互联网语言障碍消除数据集

2025年12月12日 30 209 165

数据集概述该数据集围绕消除互联网语言障碍主题，包含针对代表性不足语言的平行语料库、翻译书籍及相关文档，覆盖西班牙语与拉帕努伊语、马普切语等语言对，为自然语言处理研究提供多语言资源支持。文件详解许可与说明文件： LICENSE.txt：TXT格式，包含CC-BY-SA 4.0许可协议内容...

ZIP

爱尔兰语_英语平行语料库数据集

2025年7月10日 30 171 164

爱尔兰语_英语平行语料库数据集_Irish_English_Parallel_Corpus 数据来源：互联网公开数据标签：机器翻译, 语言学, 平行语料库, 爱尔兰语, 英语, 自然语言处理, 文本翻译, 数据集构建数据概述：该数据集包含来自多个来源的爱尔兰语-英语平行语料，旨在促进爱尔兰语和英语之间的机器翻译研究与应用。主要特征如下：...

ZIP

欧洲议会议事录说话者性别与年龄注释数据集

2025年6月4日 30 148 58

欧洲议会议事录说话者性别与年龄注释数据集数据来源：互联网公开数据标签：欧洲议会,说话者属性,性别,年龄,机器翻译,个性化翻译,平行语料库,自然语言处理数据概述：本数据集是对欧洲议会议事录的注释版本，标注了说话者的性别和年龄信息，注释粒度为句子级别。数据集包含英语-法语和英语-德语两个平行语料库，为研究个性化机器翻译提供了高质量的数据基础。...

ZIP

圣经多语言平行语料库

2025年5月31日 30 101 0

圣经多语言平行语料库数据来源：互联网公开数据标签：多语言,平行语料库,圣经翻译,语言对比,机器翻译,语言学研究,跨文化交流数据概述：本数据集是一个多语言平行语料库，由Christos Christodoulopoulos和Mark...

ZIP

机器翻译越-英平行语料库数据集MachineTranslationVietnamese-EnglishParallelCorpus-saisrinivasreddy

2025年5月29日 30 52 40

机器翻译越-英平行语料库数据集MachineTranslationVietnamese-EnglishParallelCorpus-saisrinivasreddy 数据来源：互联网公开数据标签：机器翻译, 越南语, 英语, 平行语料库, 自然语言处理, 文本翻译, 数据集, 语言学数据概述：该数据集包含越南语-...

ZIP

孟加拉语-英语平行语料翻译数据集Bengali-EnglishParallelCorpusTranslationDataset-adityavirajrao

2025年5月13日 30 11 4

孟加拉语-英语平行语料翻译数据集Bengali-EnglishParallelCorpusTranslationDataset-adityavirajrao 数据来源：互联网公开数据标签：机器翻译, 平行语料库, 孟加拉语, 英语, 文本翻译, 自然语言处理, 语言学, 数据集数据概述：该数据集包含来自开放语料库的孟加拉语-...

ZIP

印尼多语言平行语料库-爪哇语-巽他语和马来语文本数据集IndonesianMultilingualParallelCorpus-Javanese-Sund...

2025年4月29日 30 185 146

印尼多语言平行语料库-爪哇语-巽他语和马来语文本数据集IndonesianMultilingualParallelCorpus-Javanese-Sundanese-andMalayTextDataset-alfaariizii 数据来源：互联网公开数据标签：平行语料库, 机器翻译, 语言学, 爪哇语, 巽他语, 马来语, 文本数据, 自然语言处理...

ZIP

英语-马拉雅拉姆语平行语料库数据集English-MalayalamParallelCorpus-alakaru

2025年4月29日 30 73 13

英语-马拉雅拉姆语平行语料库数据集English-MalayalamParallelCorpus-alakaru 数据来源：互联网公开数据标签：机器翻译, 语料库, 双语对照, 自然语言处理, 语言学, 文本数据, 英语, 马拉雅拉姆语数据概述：该数据集包含英语和马拉雅拉姆语的平行文本，用于机器翻译和跨语言分析。主要特征如下：...