《世界人权宣言》（UDHR）数据集卡片

数据集概述

《世界人权宣言》（Universal Declaration of Human Rights，UDHR）是人权历史上的里程碑性文件。这份文件由来自世界各地不同法律和文化背景的代表起草，首次确立了应普遍保护的基本人权。该宣言于1948年12月10日在巴黎的联合国大会第183次全会上通过。

© 1996 – 2009 联合国人权事务高级专员办事处

此纯文本版本由“UDHR in Unicode”项目准备， https://www.unicode.org/udhr 。

支持的任务和排行榜

[需要更多信息]

语言

数据集包括400多种语言和方言的文件翻译。语言列表可以在 here 中找到。

数据集结构

数据实例

每个实例对应于不同的语言，包括有关语言和完整文档文本的信息。

数据字段

• text：完整的文档文本，每行文本用换行符（\n）分隔。
• lang_key：给定翻译的唯一标识符。
• lang_name：语言/方言的文字描述。
• iso639-3： iso639-3 语言标识符。
• iso15924： iso15924 语言标识符。
• bcp47： BCP 47 语言标识符。

数据拆分

只包括一个“train”拆分，其中包含所有语言的完整文档。

数据集创建

策划理由

除了社会意义外，该文件在1999年创下了世界上翻译最多的文件记录，因此对于需要许多语言之间的配对文本的环境非常有用。

来源数据

[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]

个人和敏感信息

[需要更多信息]

使用数据的注意事项

数据的社会影响

除了联合国《世界人权宣言》的社会和政治重要性外，该文件在1999年创造了翻译最多的文件世界纪录，因此对于需要许多语言之间的配对文本，包括低资源和在自然语言处理研究中明显代表性不足的语言，非常有用。

偏见讨论

[需要更多信息]

其他已知限制

虽然该文件被翻译成了非常多的语言，但文本非常简短，因此在大多数类型的建模和评估中可能有限的用途。

其他信息

数据集策划者

在这里使用的txt/xml数据文件由Unicode联盟编制，可以在 here 中找到。原始文本可在 United Nations website 上找到。

许可信息

源文本© 1996 – 2022 联合国人权事务高级专员办事处

Unicode license 适用于这些翻译。

引用信息

United Nations. (1998). The Universal Declaration of Human Rights, 1948-1998. New York: United Nations Dept. of Public Information.

贡献

感谢 @joeddav 添加了这个数据集。更新于2022年5月 @leondz 。