北京完成人工智能中文-乌尔都文平行语料数据集知识产权登记 赋能多语种AI研发与跨境交流

随着我国与“一带一路”沿线国家数字经贸、文化交流的持续深化，面向南亚小语种的多语种人工智能技术研发需求持续攀升，合规、高质量的标注语料数据集已成为相关技术落地的核心刚需。作为国内数据要素市场化配置改革的先行试点，北京市率先搭建的数据知识产权登记体系，为数据资产的确权、流通、权益保障提供了官方合规路径，本次登记的多语种语料数据集正是该体系下特色数据资产确权的典型成果。

乌尔都语作为巴基斯坦的官方语言，同时在印度、尼泊尔等南亚国家有超过1亿使用者，是我国与南亚区域开展跨境交流的核心语种之一，长期以来，面向中文-乌尔都文的平行标注语料存在供给分散、权属不清等问题，制约了相关多语种AI技术的研发与落地。本次该类数据集完成官方知识产权登记，填补了国内面向南亚的多语种合规训练数据源的供给缺口。

数据堂（北京）科技股份有限公司本次登记的数据知识产权人工智能中文-乌尔都文平行语料数据集，面向中文与乌尔都文平行语料的采集与标注场景，适用于跨语言机器翻译、双语对齐与跨语言理解技术的研发与应用。该数据可用于中文与乌尔都文双向神经机器翻译模型的训练、评测及优化，提升翻译系统对中文与乌尔都文自然文本的翻译效果与鲁棒性；可用于跨语言信息检索、双语词典构建与语言学研究，支撑面向多语种智能翻译、跨境交流等产品的算法验证与效果调优。数据集由成对的中文文本与对应的乌尔都文译文组成，配套编号标识与双语对齐标注，可为相关人工智能模型提供规范的中乌尔都文平行训练与评测语料。

从落地应用前景来看，除技术研发端的核心价值外，该数据集未来可广泛支撑跨境电商智能客服双语翻译、中乌文旅资讯智能转译、涉外政务服务双语响应、跨境教育内容多语种适配等多个民用及公共服务场景，为两地经贸、文化的高效沟通降低交流成本。本次登记的完成，也为后续多语种特色数据资产的确权、合规流通提供了可参考的实践样本，助力数据要素市场的多元化资源供给体系建设，服务于数字经济背景下的跨境交流数字化升级需求。

查看人工智能中文-乌尔都文平行语料数据集

登记内容：