欧洲议会平行语料库1996-2011

欧洲议会平行语料库是从欧洲议会的会议记录里抽取出来的，它包括21种欧洲语言的版本：罗马语（法语，意大利语，西班牙语，葡萄牙语，罗马尼亚语），日耳曼语（英语，荷兰语，德语，丹麦语，瑞典语），斯拉维克（保加利亚语，捷克语，波兰语，斯洛伐克语，斯洛文尼亚语），芬尼-乌格里克语（芬兰文，匈牙利文，爱沙尼亚文），波罗的海文（拉脱维亚文，立陶宛文）和希腊文。

下载

• 源代码发布（文本文件），1.5 GB
• 工具（仅预处理工具和句子对齐器），8.6 KB
• 保加利亚语-英语平行语料库，41 MB，01 / 2007-11 / 2011
• 捷克语平行语料库，60 MB，01 / 2007-11 / 2011
• 平行语料库丹麦语-英语，179 MB，04 / 1996-11 / 2011
• 德语-英语平行语料库，189 MB，04 / 1996-11 / 2011
• 平行语料库希腊语-英语，145 MB，04 / 1996-11 / 2011
• 西班牙语-英语平行语料库，187 MB，04 / 1996-11 / 2011
• 爱沙尼亚语-英语并行语料库，57 MB，01 / 2007-11 / 2011
• 芬兰语-英语平行语料库，179 MB，01 / 1997-11 / 2011
• 法语-英语平行语料库，194 MB，04 / 1996-11 / 2011
• 匈牙利语-英语平行语料库，59 MB，01 / 2007-11 / 2011
• 意大利语-英语平行语料库，188 MB，04 / 1996-11 / 2011
• 立陶宛语-英语平行语料库，57 MB，01 / 2007-11 / 2011
• 拉脱维亚语-英语平行语料库，57 MB，01 / 2007-11 / 2011
• 荷兰语-英语平行语料库，190 MB，04 / 1996-11 / 2011
• 波兰语-英语平行语料库，59 MB，01 / 2007-11 / 2011
• 葡萄牙语-英语平行语料库，189 MB，04 / 1996-11 / 2011
• 平行语料库罗马尼亚语-英语，37 MB，01 / 2007-11 / 2011
• 平行语料库斯洛伐克语-英语，59 MB，01 / 2007-11 / 2011
• 平行语料库斯洛文尼亚语-英语，54 MB，01 / 2007-11 / 2011
• 瑞典语-英语平行语料库 171 MB，01 / 1997-11 / 2011

语料库的大小

删除XML后单语言数据的大小。

句子对齐和删除XML后并行语料库的大小。

已知错误

• 某些特殊的HTML实体和嘈杂的字符不会从数据中删除。
• 最近的一些希腊数据在文件中仅包含部分成绩单。

使用条款

我们不了解该原始数据的任何版权限制。如果您在研究中使用这些数据，请联系 pkoehn@inf.ed.ac.uk。如果您发现数据有问题或想要其他语言对的数据，请告诉我们。我们建议使用2000年最后一个季度进行测试（从2000-10到2000-12），以便在报告有关此数据的研究结果时保持一致。