Datasets:
en
stringlengths 7
300
| vi
stringlengths 7
274
|
|---|---|
Support quickly.
|
Hỗ trợ nhanh chóng.
|
Time Consumption
|
Sự tiêu thụ thời gian
|
Fuel Consumption
|
Sự tiêu thụ xăng dầu
|
Current Consumption
|
Mức tiêu thụ hiện tại
|
Discuss books.
|
Thảo luận về sách.
|
quickly stabilized.
|
nhanh chóng ổn định.
|
quickly deformed;
|
biến dạng nhanh chóng;
|
Heals quickly
|
Chữa lành nhanh chóng
|
Best of Uttarakhand
|
Tốt nhất của Uttarakhand
|
Create orders quickly
|
Tạo đơn hàng nhanh chóng
|
parking rules observance
|
tuân thủ các quy định đỗ xe
|
Open account quickly
|
Mở tài khoản nhanh chóng
|
Read Disturb Management
|
Đọc quản lý sự cố
|
Repair PDF quickly
|
Sửa chữa PDF nhanh chóng
|
analyse firm finance
|
Phân tích tài chính doanh nghiệp
|
decorative trim watermelon
|
tỉa dưa hấu trang trí
|
Premium Egg Noodles
|
Mì trứng thượng hạng
|
easily and quickly
|
dễ dàng và nhanh chóng
|
Discuss with doctor
|
Thảo luận với bác sĩ
|
Make coffee quickly
|
Pha cà phê nhanh chóng
|
Loyola High School
|
Loyola trung học
|
Language translation quickly
|
Dịch thuật ngôn ngữ nhanh chóng
|
White,CLEAN
|
Trắng, CLEAN
|
Bochum, Germany
|
Bochum, Đức
|
Some Paremeters
|
Một số Paremeter
|
Fuel: Gasoline
|
Nhiên liệu: Xăng
|
Corresponding product:
|
Corresponding sản phẩm:
|
Capacitive Technology
|
Công nghệ Capacitive
|
storyline, privat
|
cốt truyện, privat
|
Modulation GFSK
|
điều chế GFSK
|
Technical Paremeters
|
Paremeters Kỹ thuật
|
Rotation: CW
|
Vòng xoay: CW
|
Product discreption
|
Sản phẩm discreption
|
Style: Impressionist
|
Phong cách: Người ấn tượng
|
Correspondence address:
|
Địa chỉ liên lạc:
|
Participating associations
|
Các hiệp hội đã tham gia
|
Ownership period:
|
Thời hạn sở hữu:
|
Address: Oradea
|
Địa chỉ: Oradea
|
Correspondence Address:
|
Địa chỉ nhận thư:
|
City: Oradea
|
Thành phố: Oradea
|
Corresponding standard:
|
Tiêu chuẩn tương ứng:
|
Model: CWPM
|
Mô hình: CWPM
|
Participating Artists:
|
Nghệ sĩ tham gia :
|
Rotaion: CW
|
Vòng xoay: CW
|
Handcuffed GF
|
Còng tay Gf
|
Dildo Bathroom
|
Dildo Phòng tắm
|
Remaining phrases:
|
cụm từ còn lại:
|
Lezz, Lesbian
|
Lezz, Đồng tính nữ
|
Next LesbianFuck
|
tiếp theo lesbianfuck
|
Absorbs quickly
|
Hấp thụ một cách nhanh chóng
|
Negative Perssure:
|
Tiêu cực perssure:
|
Stranded Teens
|
Stranded thanh thiếu niên
|
Antiphospholipid syndrome;
|
Hội chứng antiphospholipid;
|
Students' Impressions
|
Cảm nghĩ của sinh viên
|
Fuel Consumption:
|
Sự tiêu thụ xăng dầu:
|
Water Consumption:
|
Sự tiêu thụ nước:
|
Chattering Time:
|
Thời gian tán gẫu:
|
Air Consumption:
|
tiêu thụ không khí:
|
Induction Distance:
|
Khoảng cách cảm ứng:
|
Unique Speakers:
|
Loa độc đáo:
|
Interactions checker
|
Trình kiểm tra tương tác
|
Outdoor Spotlights
|
Ngoài trời Spotlights
|
Energy Consumption:
|
Tiêu thụ năng lượng:
|
Retirement planning
|
Lập kế hoạch về hưu
|
Power Consumption:
|
Điện năng tiêu thụ:
|
Participating Provider
|
Nhà cung cấp tham gia
|
Chattering Time:
|
Thời gian trò chuyện:
|
Loading quantity:
|
Đang tải số lượng:
|
Dildo Movies
|
Dildo phim ảnh
|
Current Consumption:
|
Mức tiêu thụ hiện tại:
|
Lesbian japanese
|
Đồng tính nữ nhật bản
|
by easybeijing
|
bởi easybeijing
|
Download WTFast
|
Tải WTFast
|
High Absorbency
|
Khả năng hấp thụ cao
|
Unique Items
|
Các Item độc đáo
|
Loading collections...
|
Đang tải tuyển tập...
|
Dildo pics
|
Dildo bức ảnh
|
Discriminatory comments
|
Nhận xét phân biệt đối xử
|
Loading Place:
|
Đang tải địa điểm:
|
Module efficency
|
Hiệu suất mô-đun
|
lactation, asian
|
lactation, châu á
|
Shade Rate:
|
Tỷ lệ bóng râm:
|
Power Consumption:
|
Sự tiêu thụ năng lượng:
|
Material Consumption:
|
Vật tư tiêu hao:
|
Produced: extruded
|
Sản xuất: ép đùn
|
Owner Equity:
|
Vốn chủ sở hữu:
|
RUNNING clothes
|
CHẠY quần áo
|
Our Loading:
|
Đang tải của chúng tôi:
|
Support CWMP.
|
Hỗ trợ CWMP.
|
Swinburne University
|
Đại học Swinburne
|
by QBonds
|
bởi QBonds
|
Battalion: Nemesis
|
Tiểu đoàn: Nemesis
|
Memorable Mothers
|
Những Bà Mẹ Đáng Ghi Nhớ
|
Dilworth wrote:
|
Dilworth đã viết:
|
CWDM System
|
Hệ thống CWDM
|
Color: RGBW
|
Màu sắc: RGBW
|
Consumption changed?
|
Tiêu thụ thay đổi?
|
Owner's Information
|
Thông tin của chủ sở hữu
|
Editing comrades:
|
Chỉnh sửa đồng chí:
|
CWDM Network
|
Mạng CWDM
|
End of preview. Expand
in Data Studio
Dữ liệu được thu thập từ nhiều nguồn:
- CCMatrix: https://opus.nlpl.eu/CCMatrix/en&vi/v1/CCMatrix
- OpenSubtitles: https://opus.nlpl.eu/OpenSubtitles/en&vi/v2024/OpenSubtitles
- MultiHPLT: https://opus.nlpl.eu/MultiHPLT/en&vi/v2/MultiHPLT
- CCAligned: https://opus.nlpl.eu/CCAligned/en&vi/v1/CCAligned
- ParaCrawl: https://opus.nlpl.eu/ParaCrawl-Bonus/en&vi/v9/ParaCrawl-Bonus
- PhoMT: https://huggingface.co/datasets/ura-hcmut/PhoMT
- VietAI: https://huggingface.co/datasets/wanhin/VietAI_MTet
Dữ liệu đã trải qua quy trình lọc cơ bản
- Alpha_ratio: tỷ lệ chữ cái/tổng số kí tự và tỷ lệ tổng số từ/tổng lượng từ (cả 2 vế src và tgt) - 0.7
- Deescape_special_chars & deescape_tsv: chuẩn hóa html empty thành cách kí tự thông thường.
- Normalize_whitespace: chuẩn hóa khoảng trắng liên tiếp về một khoảng trắng.
- Remove_empty_line
- Currency_mismatch: loại bỏ dòng sai xót đơn vị tiền tệ
- Num_mismatch: loại bỏ dòng sai về đơn vị số
- Remove_control_char
- Deduplicate: loại bỏ trùng lặp sử dụng mã hash
- Url_mismatch: loại bỏ dòng sai lệch địa chỉ url
- email_mismatch: loại bỏ dòng sai lệch về email
Lọc nâng cao
- Sử dụng model fasttext lọc các dòng sai về ngôn ngữ
- Sử dụng model laBSE lọc đi các cặp câu không tương đồng ý nghĩa > 0.8
Bộ dữ liệu bao gồm ~30 triệu cặp câu song ngữ Anh-Việt.
Tổng số lượng token: ~1 tỷ 8
Độ dài mỗi câu >= 5 và <= 250 token. Sử dụng sentencepiece-unigram tạo bộ từ điển
Lưu ý: Bộ dữ liệu được sắp xếp theo thứ tự tăng dần về độ dài câu nguồn.
- Downloads last month
- 9