English-Hindi Parallel Corpus

English-Hindi Parallel Corpus

LINDAT / CLARIAH-CZ

Autoři: Bojar, Ondřej ; Straňák, Pavel ; Zeman, Daniel ; Jain, Gaurav and Damani, Om Prakesh

Identifikátor: http://hdl.handle.net/11858/00-097C-0000-0001-BD17-1

Datum vydání: 2010-05-11

Typ: corpus, text

Jazyky: English , Hindi

Popis: English-Hindi parallel corpus collected from several sources. Tokenized and sentence-aligned. A part of the data is our patch for the Emille parallel corpus.

Nakladatel: Charles University, Faculty of Mathematics and Physics, Institute of Formal and Applied Linguistics (UFAL)

Klíčová slova: English-Hindi parallel corpus parallel corpus

Kolekce: LINDAT / CLARIAH-CZ Data & Tools

Tento záznam byl nahrazen novější verzí:

http://hdl.handle.net/11858/00-097C-0000-0023-625F-0

Zobrazit celý záznam

Soubory tohoto záznamu

Licenční kategorie:

Publicly Available

Licence: Creative Commons - Attribution 3.0 Unported (CC BY 3.0)

Název: English-Hindi-without-Emille.tgz
Velikost: 12.16 MB
Formát: application/x-gzip
Popis: The complete parallel data, including the patch for the Emille corpus
MD5: fbe1e19c0e80fd7792e900656ce4c1a9

Stáhnout soubor Náhled

Náhled souboru

UMC002-English-Hindi
- wikipedia-named-entities-2008
  - en.tok.gz5 kB
  - hi.tok.gz6 kB
- agrocorpus
  - README693 B
  - en.tok.gz17 kB
  - hi.tok.gz15 kB
- shabdanjali-dictionary
  - en.tok.gz76 kB
  - README1 kB
  - hi.tok.gz213 kB
  - hi.filtered.tok.gz6 kB
  - en.filtered.tok.gz4 kB
- tides-cleaned-by-ufal
  - hi.test.tok.gz3 MB
  - hi.train.tok.gz3 MB
  - en.test.tok.gz2 MB
  - hi.dev.tok.gz66 kB
  - en.dev.tok.gz47 kB
  - en.train.tok.gz2 MB
- README680 B
- wikipedia-named-entities-2009
  - en.tok.gz4 kB
  - hi.tok.gz5 kB
- danielpipes
  - README51 B
  - en.tok.gz354 kB
  - hi.tok.gz319 kB
- acl-2005-shared-task
  - en.tok.gz94 kB
  - hi.tok.gz148 kB