traintogpb commited on
Commit
7ccc24a
1 Parent(s): 8dd4ed3

chore: fix readme

Browse files
Files changed (1) hide show
  1. README.md +39 -1
README.md CHANGED
@@ -6,4 +6,42 @@ size_categories:
6
  - 100K<n<1M
7
  task_categories:
8
  - translation
9
- ---
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
6
  - 100K<n<1M
7
  task_categories:
8
  - translation
9
+ ---
10
+ # AI Hub Ko-En Translation Dataset (Integrated)
11
+
12
+ AI Hub의 한-영 번역 관련 데이터셋 8개를 병합한 자료입니다.
13
+ 병합 시 총 데이터 개수는 10,416,509개 이며, train / validation / test는 8:1:1 비율로 분할되었습니다.
14
+
15
+ - base-10m: 병합 데이터 100% 사용, 총 10,416,509개
16
+ - mini-1m: 병합 데이터 10% 사용 (base-10m의 각 세트 내에서 10% 임의 선택), 총 1,041,651개
17
+ - tiny-100k: 병합 데이터 1% 사용 (base-10m의 각 세트 내에서 1% 임의 선택), 총 104,165개
18
+
19
+ ### Subsets
20
+
21
+ 활용한 데이터셋 목록은 다음과 같으며, 데이터셋 이름 옆 번호는 aihubshell에서의 datasetkey입니다.
22
+
23
+ - [전문분야 한영 말뭉치](https://www.aihub.or.kr/aihubdata/data/view.do?currMenu=&topMenu=&aihubDataSe=data&dataSetSn=111) (111)
24
+ - 총 개수: 1,350,000
25
+ - 중복 제거 후 개수: 1,350,000
26
+ - 사용 칼럼: '한국어', '영어'
27
+ - [한국어-영어 번역 말뭉치(기술과학)](https://www.aihub.or.kr/aihubdata/data/view.do?currMenu=&topMenu=&aihubDataSe=data&dataSetSn=124) (124)
28
+ - 총 개수: 1,344,631
29
+ - 사용 칼럼: 'ko', 'en'
30
+ - [한국어-영어 번역 말뭉치(사회과학)](https://www.aihub.or.kr/aihubdata/data/view.do?currMenu=&topMenu=&aihubDataSe=data&dataSetSn=125) (125)
31
+ - 총 개수: 1,361,845
32
+ - 사용 칼럼: 'ko', 'en'
33
+ - [한국어-영어 번역(병렬) 말뭉치](https://www.aihub.or.kr/aihubdata/data/view.do?currMenu=&topMenu=&aihubDataSe=data&dataSetSn=126) (126)
34
+ - 총 개수: 1,602,418
35
+ - 사용 칼럼: '원문', '번역문'
36
+ - [산업정보 연계 주요국 특허 영-한 데이터](https://www.aihub.or.kr/aihubdata/data/view.do?currMenu=&topMenu=&aihubDataSe=data&dataSetSn=563) (563)
37
+ - 총 개수: 359,999
38
+ - 사용 칼럼: 'astrt_cont_kor', 'astrt_cont_eng'
39
+ - [일상생활 및 구어체 한-영 번역 병렬 말뭉치 데이터](https://www.aihub.or.kr/aihubdata/data/view.do?currMenu=&topMenu=&aihubDataSe=data&dataSetSn=71265) (71265)
40
+ - 총 개수: 2,700,345
41
+ - 사용 칼럼: 'ko', 'en'
42
+ - [기술과학 분야 한-영 번역 병렬 말뭉치 데이터](https://www.aihub.or.kr/aihubdata/data/view.do?currMenu=&topMenu=&aihubDataSe=data&dataSetSn=71266) (71266)
43
+ - 총 개수: 1,350,162
44
+ - 사용 칼럼: 'ko', 'en'
45
+ - [방송콘텐츠 한국어-영어 번역 말뭉치](https://www.aihub.or.kr/aihubdata/data/view.do?currMenu=&topMenu=&aihubDataSe=data&dataSetSn=71382) (71382)
46
+ - 총 개수: 587,084
47
+ - 사용 칼럼: '원문', '최종번역문'