SIL国际 发布 eBible Corpus 数据集, 应用在 圣经翻译、低资源语言机器翻译 领域

SIL国际 本次发布的数据集 eBible Corpus, eBible Corpus是由SIL国际创建的一个包含1009个圣经翻译部分的数据集，涵盖了833种不同语言，跨越75个语系。该数据集旨在支持低资源语言的机器翻译研究，特别是圣经翻译领域。数据集内容包括多种语言的圣经文本，大小和数据量因语言而异。创建过程涉及收集、解析和清洗来自eBible.org的翻译，确保其使用许可的兼容性。该数据集的应用领域主要是支持圣经翻译工作，解决低资源语言翻译的挑战，并提供模型性能基准。

查看eBible Corpus

README 内容： 

关于 SIL国际 , SIL国际是一个非营利性组织，专注于语言学、语言教育和文献翻译，致力于促进全球语言多样性的保护和语言学习资源的开发。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。