Jeux de données NLU

Ce vaste corpus multilingue sino-allemand contient 5,14 millions de paires de phrases couvrant divers domaines : tourisme, santé, quotidien, actualités, etc. Les données ont été nettoyées, désensibilisées et vérifiées, offrant une ressource fiable pour la traduction automatique et l’analyse de textes multilingues.

Ce corpus comprend 1,08 million de paires de segments anglais-russe, soigneusement filtrés pour exclure tout contenu sensible (politique, obscène, personnel). Il fournit une base linguistique propre et structurée, idéale pour les recherches en traduction automatique et en traitement de corpus textuels.

1,34 million de paires de textes parallèles anglais-coréen ; exclusion des termes sensibles. Utilisable comme corpus de base pour la traduction automatique, etc.

380 000 paires de textes parallèles japonais-anglais ; exclusion des termes sensibles (politique, pornographie, données personnelles). Utilisable comme corpus de base pour la traduction automatique, etc.

Corpus de traduction parallèle sino-anglais, le format de stockage de données est un document TXT, couvrant le tourisme, la médecine, la vie quotidienne, les séries télévisées et d'autres domaines. Il a été nettoyé, désensibilisé et inspecté, et peut être utilisé comme corpus de base pour l'analyse de données de texte dans la Traduction automatique et dans d'autres domaines.

Les données du corpus parallèle Han-ouïgour comprennent 100 000 paires de corpus de traduction parallèle du chinois et de l'ouïgour, et le format de stockage des données est un document TXT, avec une fluidité et une fidélité des données de plus de 80 %. Elles ont été nettoyées, désensibilisées et inspectées, et peuvent être utilisées comme corpus de base pour l'analyse de données de texte dans la Traduction automatique et dans d'autres domaines.

Parallel corpus, Uighur, corpus, machine translation

Chinese-Japanese parallel corpus, Chinese-Japanese alignment, Parallel Corpus Data, Alignment Corpus Data

Chinese-French parallel corpus data, Chinese-French alignment, Parallel Corpus Data, Alignment Corpus Data