menyo20k_mt

مراجع:

• کد
• صورت در آغوش گرفته

menyo20k_mt

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:menyo20k_mt/menyo20k_mt')

• توضیحات :

MENYO-20k is a multi-domain parallel dataset with texts obtained from news articles, ted talks, movie transcripts, radio transcripts, science and technology texts, and other short articles curated from the web and professional translators. The dataset has 20,100 parallel sentences split into 10,070 training sentences, 3,397 development sentences, and 6,633 test sentences (3,419 multi-domain, 1,714 news domain, and 1,500 ted talks speech transcript domain). The development and test sets are available upon request.

• مجوز : برای استفاده غیرتجاری زیرا برخی از منابع داده مانند Ted talks و JW news برای استفاده تجاری نیاز به مجوز دارند.
• نسخه : 1.0.0
• تقسیمات :

تقسیم کنید	نمونه ها
'train'	10070

• ویژگی ها :

{
    "translation": {
        "languages": [
            "en",
            "yo"
        ],
        "id": null,
        "_type": "Translation"
    }
}