一万句中英平行语料库，不用预处理

一万句对齐的中英文平行语料库，用于机器翻译，问答系统等模型的预处理语料。

NiuTrans的开源中英平行语料库，可以用来训练机器翻译。

汉英双语语料和德英双语语料，可以用来训练NMT模型，谨供学术实验用

共8400多对中英语句，已预处理，中文用jieba分了词，标点符号没问题，保存于en-zh.csv，分隔符是制表符\t（不是默认逗号）。句粒度，但有不少长句，裁剪后5w对也够用。原始数据集也在包中，其

藏语语料库预处理研究

语料来源为WMT18，本资源包含中英文的平行语料50000句，以及简单预处理后的文件。中文预处理：去除标点、数字，分词；英文预处理：去除标点、数字，大小写转换。可以用来做简单的神经机器翻译练习使用。

使用ChatGPT技术时，语料库的准备与预处理是关键步骤。首先，需要收集高质量的语料数据，确保其多样性、丰富性和相关性。接着，对语料进行清洗，去除噪音、冗余和无关信息。之后，进行分词、去停用词等预处理

TED平行语料库是一个多语言平行语料库，包括多语言并行语料库和单语语料库。该语料库从TED会议中提取了109种世界语言的文本数据。多语言的平行语料库包括12种语言，涵盖了超过1.2亿个对齐句子，并且这

LOB语料库 创建时间: 1970年代初 创建单位:英国Lancaster大学和挪威Oslo大学以及Bergen大学 规模层级: 100万词次 基本情况:研究当代英国英语,与美国英语对比,使用了TAG

一个面向信息抽取的中英文平行语料库