数据集 [数据集名称] 的数据卡

数据集摘要

这是由BPPT（印尼技术评估与应用机构）为PAN本地化项目（亚洲地区发展本地语言计算能力的区域性倡议）创建的用于多领域翻译系统的平行文本语料库。该数据集包含约24K个句子，分为4个不同主题（经济、国际、科学技术和体育）。

支持的任务和排行榜

[需要更多信息]

语言

印度尼西亚语

数据集结构

[需要更多信息]

数据实例

数据集的一个示例：

{ 
  'id': '0',
  'topic': 0,
  'translation':
    { 
      'en': 'Minister of Finance Sri Mulyani Indrawati said that a sharp correction of the composite
inde x by up to 4 pct in Wedenesday?s trading was a mere temporary effect of regional factors like
decline in plantation commodity prices and the financial crisis in Thailand.',
      'id': 'Menteri Keuangan Sri Mulyani mengatakan koreksi tajam pada Indeks Harga Saham Gabungan
IHSG hingga sekitar 4 persen dalam perdagangan Rabu 10/1 hanya efek sesaat dari faktor-faktor regional
seperti penurunan harga komoditi perkebunan dan krisis finansial di Thailand.'
    }
}

数据字段

• id：样本ID
• translation：英印尼平行句子
• topic：句子的主题。可以是以下之一：
  • 经济
  • 国际
  • 科学技术
  • 体育

数据拆分

该数据集被分为训练集、验证集和测试集。

数据集创建

策展理由

[需要更多信息]

源数据

[需要更多信息]

[需要更多信息]

注解

[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

[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

数据集策展人

[需要更多信息]

许可信息

[需要更多信息]

引用信息

@inproceedings{id_panl_bppt,
  author    = {PAN Localization - BPPT},
  title     = {Parallel Text Corpora, English Indonesian},
  year      = {2009},
  url       = {http://digilib.bppt.go.id/sampul/p92-budiono.pdf},
}

贡献

感谢 @cahya-wirawan 添加了这个数据集。