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：
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
- 机器翻译研究：该数据集可用于中越翻译模型的训练与评估，适用于各类基于深度学习的翻译模型（如Transformer、RNN）。
- 多语言NLP任务：数据集中的逐句对齐文本为多语言任务（如情感分析、对话生成）提供了理想的双语语料。
- 文化研究与文本对比：通过逐句对齐的中文与越南文，支持跨文化语境中的语义分析与语言风格研究。
- 语言特征分析：借助分词字段，可以进行中文文本的词频、词性等特征提取，为中文语言结构的研究提供支持。
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。
集智数据集 
中文
