发布时间：2024-11-05 09:35:44
数据集：【中越文本翻译数据集】经典小说中越文句子翻译对齐数据集
425
42
本内容由， 集智官方收集发布，仅供参考学习，不代表集智官方赞同其观点或证实其内容的真实性准确性，请勿用于商业用途。
数据集概述
本数据集涵盖了多部经典中外小说的逐句翻译语料，内容被逐句对齐为中文与越南文，适用于深度学习翻译模型训练、多语言自然语言处理（NLP）、跨文化文本分析等任务。数据集包含《巴山夜雨》《悲惨世界》《百年孤独》《包法利夫人》等经典作品，提供了丰富的文学语料，为机器翻译和语言模型的研究开发奠定了基础。
数据格式
数据以 xlsx 文件格式提供，记录了每个句子的详细结构信息：
集智数据集 
中文
id：每条句子的唯一标识符，便于索引和管理。越南文翻译：逐句对应的越南文翻译，贴近原句风格，保留越南文语言特色。中文原句：经典小说的中文句子，传达原文的文学风格。小说名称：句子所在小说的名称，便于分组和筛选。小说作者：小说的作者名，支持按作者进行数据分析和筛选。分词：对中文句子进行的分词处理结果，为NLP任务中的特征提取和分析提供支持。章节id：句子所属的章节编号，便于追溯句子在原著中的位置。预置状态：表示当前句子的翻译和处理状态，如“已审核”“待翻译”等，便于数据集的质量控制。应用场景
数据特点
本数据集为经典文学作品的逐句中越文对齐提供了优质的基础数据，适合用于多语言翻译、文本分析和自然语言处理模型开发。对于研究中越语言特征、语法结构以及文学风格的差异，本数据集具有重要的参考价值。
这类数据集包含成对或多对语言的文本样本，每一对文本表示相同内容的不同语言版本。目的是训练机器翻译模型，使其能够将一种语言的文本准确地翻译成另一种语言。用于开发和优化自动翻译系统，提高跨语言沟通的效率和准确性。