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 d’identification d’intentions en anglais contient 84 516 énoncés annotés avec types d’intention, slots et valeurs correspondantes. Il couvre des domaines variés : musique, météo, dates, agendas, domotique, etc. Idéal pour la recherche en compréhension d’intention et les systèmes de dialogue intelligents.

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.

Données d'annotation d'intention de phrases uniques pour scènes interactives, 47 811 phrases. Annotation des intentions, des slots, des valeurs de slot. Intentions : musique, météo, date, planification, appareils ménagers, etc. Utilisable pour la reconnaissance d'intention.

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.

Ce vaste corpus bilingue sino-tchèque contient 1,99 million de paires de phrases en chinois et en tchèque, stockées au format texte (.txt). Les données ont été nettoyées, désensibilisées et vérifiées, offrant une ressource fiable pour la traduction automatique et l’analyse de textes multilingues.

Ce vaste corpus bilingue anglais-japonais contient 850 000 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.