Helsinki-NLP/opus_montenegrinsubs

数据集简介

这是一个由赫尔辛基大学自然语言处理团队（Helsinki-NLP）发布的平行语料库，包含约6.5万条文本数据。

主要用途

主要用于机器翻译模型的训练与评估，特别是针对黑山语（Montenegrin）相关的翻译任务。

数据类型/模态

• 模态：纯文本
• 类型：平行语料（推测为双语对齐的句子对）

规模与统计

• 数据量：65,043 行
• 下载量：46次
• 存储格式：Parquet

使用场景

适用于：
- 黑山语相关的机器翻译研究
- 多语言自然语言处理模型开发
- 语言资源相对稀缺的小语种NLP任务

特点

• 数据来源为公开字幕（subs），可能包含口语化表达
• 由知名NLP研究机构维护
• 采用高效的Parquet格式存储，便于大数据处理