中英平行语料库(八万对,句粒度)

上传者: 42127182 | 上传时间: 2019-12-21 21:44:28 | 文件大小: 35.14MB | 文件类型: zip
共8400多对中英语句,已预处理,中文用jieba分了词,标点符号没问题,保存于en-zh.csv,分隔符是制表符\t(不是默认逗号)。 句粒度,但有不少长句,裁剪后5w对也够用。 原始数据集也在包中,其中en-zh_News.tmx有一部分句子有问题,(en-zh.csv丢弃了有问题的句子),如果必要建议不要直接使用该文件。 另外附赠我对语料的预处理文件(propressor.py),以及数据集(pytorch的Dataset)等相关的实现(LangData.py)。 如果又可以改善的地方,欢迎留言

文件下载

资源详情

[{"title":"( 9 个子文件 35.14MB ) 中英平行语料库(八万对,句粒度)","children":[{"title":"data","children":[{"title":"en-zh_simple.csv <span style='color:#111;'> 1.41MB </span>","children":null,"spread":false},{"title":"en-fra.txt <span style='color:#111;'> 11.33MB </span>","children":null,"spread":false},{"title":"en-cn.txt <span style='color:#111;'> 1.25MB </span>","children":null,"spread":false},{"title":"en-zh_HIT.txt <span style='color:#111;'> 882.21KB </span>","children":null,"spread":false},{"title":"en-zh.csv <span style='color:#111;'> 19.36MB </span>","children":null,"spread":false},{"title":"en-zh_News.tmx <span style='color:#111;'> 51.12MB </span>","children":null,"spread":false},{"title":"en-zh_News2.tmx <span style='color:#111;'> 4.46MB </span>","children":null,"spread":false}],"spread":true},{"title":"LangData.py <span style='color:#111;'> 4.83KB </span>","children":null,"spread":false},{"title":"preprocessor.py <span style='color:#111;'> 3.55KB </span>","children":null,"spread":false}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明