Tatoeba数据集卡片

数据集摘要

Tatoeba是一个包含句子和翻译的集合。

要加载一个不在配置中的语言对，你只需要指定语言代码作为pair。可以在数据集描述的主页部分找到有效的语言对： http://opus.nlpl.eu/Tatoeba.php E.g.

dataset = load_dataset("tatoeba", lang1="en", lang2="he")

默认日期为v2021-07-22，但你也可以使用以下命令更改日期

dataset = load_dataset("tatoeba", lang1="en", lang2="he", date="v2020-11-09")

支持的任务和排行榜

[需要更多信息]

语言

数据集中的语言有：

• ab
• acm
• ady
• af
• afb
• afh
• aii
• ain
• ajp
• akl
• aln
• am
• an
• ang
• aoz
• apc
• ar
• arq
• ary
• arz
• as
• ast
• avk
• awa
• ayl
• az
• ba
• bal
• bar
• be
• ber
• bg
• bho
• bjn
• bm
• bn
• bo
• br
• brx
• bs
• bua
• bvy
• bzt
• ca
• cay
• cbk
• ce
• ceb
• ch
• chg
• chn
• cho
• chr
• cjy
• ckb
• ckt
• cmn
• co
• code
• cpi
• crh
• crk
• cs
• csb
• cv
• cy
• da
• de
• dng
• drt
• dsb
• dtp
• dv
• dws
• ee
• egl
• el
• emx
• en
• enm
• eo
• es
• et
• eu
• ext
• fi
• fj
• fkv
• fo
• fr
• frm
• fro
• frr
• fuc
• fur
• fuv
• fy
• ga
• gag
• gan
• gbm
• gcf
• gd
• gil
• gl
• gn
• gom
• gos
• got
• grc
• gsw
• gu
• gv
• ha
• hak
• haw
• hbo
• he
• hi
• hif
• hil
• hnj
• hoc
• hr
• hrx
• hsb
• hsn
• ht
• hu
• hy
• ia
• iba
• id
• ie
• ig
• ii
• ike
• ilo
• io
• is
• it
• izh
• ja
• jam
• jbo
• jdt
• jpa
• jv
• ka
• kaa
• kab
• kam
• kek
• kha
• kjh
• kk
• kl
• km
• kmr
• kn
• ko
• koi
• kpv
• krc
• krl
• ksh
• ku
• kum
• kw
• kxi
• ky
• kzj: Coastal Kadazan（已过时的标签；首选值：Kadazan Dusun；Central Dusun（dtp））
• la
• laa
• lad
• lb
• ldn
• lfn
• lg
• lij
• liv
• lkt
• lld
• lmo
• ln
• lo
• lt
• ltg
• lut
• lv
• lzh
• lzz
• mad
• mai
• max
• mdf
• mfe
• mg
• mgm
• mh
• mhr
• mi
• mic
• min
• mk
• ml
• mn
• mni
• mnw
• moh
• mr
• mt
• mvv
• mwl
• mww
• my
• myv
• na
• nah
• nan
• nb
• nch
• nds
• ngt
• ngu
• niu
• nl
• nlv
• nn
• nog
• non
• nov
• npi
• nst
• nus
• nv
• ny
• nys
• oar
• oc
• ofs
• ood
• or
• orv
• os
• osp
• ota
• otk
• pa
• pag
• pal
• pam
• pap
• pau
• pcd
• pdc
• pes
• phn
• pi
• pl
• pms
• pnb
• ppl
• prg
• ps
• pt
• qu
• quc
• qya
• rap
• rif
• rm
• rn
• ro
• rom
• ru
• rue
• rw
• sa
• sah
• sc
• scn
• sco
• sd
• sdh
• se
• sg
• sgs
• shs
• shy
• si
• sjn
• sl
• sm
• sma
• sn
• so
• sq
• sr
• stq
• su
• sux
• sv
• swg
• swh
• syc
• ta
• te
• tet
• tg
• th
• thv
• ti
• tig
• tk
• tl
• tlh
• tly
• tmr
• tmw
• tn
• to
• toi
• tok
• tpi
• tpw
• tr
• ts
• tt
• tts
• tvl
• ty
• tyv
• tzl
• udm
• ug
• uk
• umb
• ur
• uz
• vec
• vep
• vi
• vo
• vro
• wa
• war
• wo
• wuu
• xal
• xh
• xqa
• yi
• yo
• yue
• zlm
• zsm
• zu
• zza

数据集结构

数据实例

[需要更多信息]

数据字段

[需要更多信息]

数据集划分

[需要更多信息]

数据集创建

策划理由

[需要更多信息]

源数据

[需要更多信息]

[需要更多信息]

[需要更多信息]

注释

[需要更多信息]

[需要更多信息]

[需要更多信息]

个人和敏感信息

[需要更多信息]

使用数据的注意事项

数据集的社会影响

[需要更多信息]

偏见讨论

[需要更多信息]

其他已知限制

[需要更多信息]

附加信息

数据集策划者

[需要更多信息]

许可信息

[需要更多信息]

引用信息

[需要更多信息]

贡献者

感谢 @abhishekkrthakur 添加了该数据集。