• 一带一路多语言数据-1TB高质量多语言语料数据
• • 1. 背景
  • 2. 数据介绍
  • 3. 全量数据权限申请
  • • 3.1 揭榜获取一带一路多语言数据-200GB高质量多语言语料数据使用权限
    • 3.2 邮件获取一带一路多语言数据-1TB高质量多语言语料数据使用权限
  • 4. 全量数据分析

一带一路多语言数据-1TB高质量多语言语料数据

1. 背景

数据作为数字经济的核心生产要素，只有将各地区各个领域间数据要素流通交易起来，才能够充分释放数据要素价值。鹏城实验室率先开放超大规模高质量中文语料数据集（盘古数据-1.1TB高质量中文语料数据、一带一路多语言数据-1TB高质量多语言语料数据），研究人员可在基于鹏城AI靶场的众智AI协同计算平台上安全使用数据，但无法带走数据。若用户不愿上传自身数据到靶场，可通过协同计算使用语料数据集进行训练或微调。

2. 数据介绍

数据介绍详见一带一路多语言数据-1TB高质量多语言语料数据。

3. 全量数据权限申请

3.1 揭榜获取一带一路多语言数据-200GB高质量多语言语料数据使用权限

通过AI靶场的张榜打靶任务超大规模高质量中文语料数据集安全开放安全开放一带一路多语言数据-200GB高质量多语言语料数据。无需进行申请，揭榜成功后即可获得200G语料数据的使用权限。

3.2 邮件获取一带一路多语言数据-1TB高质量多语言语料数据使用权限

数据集	模型	数据使用权限申请	描述	数据名称
一带一路多语言1T数据集	[鹏程多语言系列模型] [鹏城多语言翻译模型]	如有使用一带一路多语言数据集的需求，请邮件反馈至 taoht@pcl.ac.cn	每个文件为该语种单或双语抽样语料，目前包含52种语种数据，所有语料来自于PanGu-Alpha中文语料、CC-100、CCMatrix、UN Parallel Corpus、WMT等经过规则过滤、全局精确和模糊去重、双语字符对齐过滤等清洗流程得到	B&R-M-1T

4. 全量数据分析

获得全量数据权限后，即可对全量数据进行分析，全量数据分析流程可参考STEP3-全量数据分析流程。此外，基于AIsynergy的协同计算功能帮助数据分析师结合自有数据进行协同分析，详见基于鹏城AI靶场的众智AI协同计算平台V2.0。

如果你对此数据集的使用有任何疑问或好的建议，欢迎点击【任务】页面通过创建任务来反馈~

也可以扫码进微信交流群，沟通更及时哦~