Datasets:
File size: 1,164 Bytes
d0b2ac4 48d9ecf d0b2ac4 48d9ecf d0b2ac4 6f7d617 d0b2ac4 6f7d617 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 |
---
dataset_info:
features:
- name: id
dtype: int64
- name: ja
dtype: string
- name: en
dtype: string
splits:
- name: train
num_bytes: 140991
num_examples: 1372
download_size: 77453
dataset_size: 140991
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
license: cc-by-4.0
task_categories:
- translation
language:
- ja
- en
pretty_name: TALPCo
---
[TALPCoデータセット](https://github.com/matbahasa/TALPCo)の日英翻訳ペアをHuggingFace形式に変換したデータセットです。
日本語の生データには分かち書き由来の空白文字が含まれていたため、それについは削除してあります。
ライセンスは元データセットの記述に従い、CC-BY 4.0とします。
- [GitHub](https://github.com/matbahasa/TALPCo)
- [論文](https://anlp.jp/proceedings/annual_meeting/2018/pdf_dir/C3-5.pdf)
```bibtex
Nomoto, Hiroki, Kenji Okano, David Moeljadi and Hideo Sawada. 2018.
TUFS Asian Language Parallel Corpus (TALPCo).
Proceedings of the Twenty-Fourth Annual Meeting of the Association for Natural Language Processing, 436-439.
``` |