数据集简介
该数据集是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，主要用于机器翻译等自然语言处理任务。
主要用途
- 机器翻译模型的训练与评估
- 多语言文本对齐研究
- 跨语言信息检索
数据类型/模态
- 模态：纯文本
- 类型：平行文本（双语对齐句子对）
规模与统计
- 数据行数：约2735万条平行句对
- 下载量：410次
- 点赞数：6
使用场景
- 构建大规模多语言翻译系统
- 语言模型预训练的数据补充
- 学术研究与工业级应用开发
特点
- 数据量庞大，覆盖多种语言对
- 开源可公开访问
- 以Parquet格式存储，便于高效处理