自然语言处理学习中英文翻译语料库

在自然语言处理（NLP）领域，学习中英文翻译需要高质量的双语语料库。以下是一些常用的中英文翻译语料库资源：

OpenSubtitles：
网站： OpenSubtitles
描述：OpenSubtitles 提供了大量的电影和电视剧字幕，包含多种语言。通过这些字幕，研究人员可以获取不同语言的对齐语料。

TED Talks Parallel Corpus：
网站： TED Talks
描述：TED 讲座的翻译语料库包含多语言版本的 TED 讲座字幕，可以用于机器翻译和其他 NLP 任务。

UM-Corpus：
网站： UM-Corpus
描述：UM-Corpus 是澳门大学提供的中英双语语料库，包含了多领域的文本。
Chinese-English Parallel Corpora：

网站： Chinese-English Parallel Corpora
描述：由宾夕法尼亚大学语言数据联盟（LDC）提供，包含多种类型的文本对齐语料。
Tatoeba Project：

网站： Tatoeba
描述：Tatoeba 是一个开放的多语言句子库，包含大量的中英文对照句子。
CCMT Corpus：

网站： CCMT
描述：中国计算机学会机器翻译评测（CCMT）提供的平行语料，用于机器翻译研究。
AI Challenger：

网站： AI Challenger
描述：AI Challenger 提供的中英文翻译比赛数据集，包含多领域的双语文本。
WMT (Workshop on Machine Translation) Corpora：

网站： WMT
描述：WMT 每年都会发布用于机器翻译比赛的双语语料库，涵盖多种语言对，包括中英文。
使用这些语料库可以帮助你在中英文翻译任务中进行模型训练和评估。如果你有特定需求或领域，可以选择相应的语料库进行研究和实践。

WIT3 是“转录和翻译演讲网络清单”的缩写，是 TED 演讲多语言转录的现成版本，可用于研究目的。
北外语料库语言学