lianghsun/zhcn-zhtw-localization-pairs

zh-CN → zh-TW Localization Pairs 簡體中文 → 台灣繁體中文在地化平行語料:49,857 組句對,每組包含真實簡體中文 段落與對應的台灣繁中改寫(字形轉換 + 中國大陸用語 → 台灣慣用詞)。 輸出由內部的大型在地化模型生成(synthetic),非人工翻譯 每列附七道自動品質檢查的判定(c_pass),整體通過率 87.8% 用途:訓練/蒸餾輕量的簡轉繁在地化模型、簡繁轉換評測 欄位 欄位 型別 說明 id str sha1(src) 前 16 碼,全集唯一 src str 簡體中文原文(真實網路文本,非合成簡中) out str 台灣繁中在地化輸出 simp_ratio float 原文的簡體專屬字率(經驗字頻法判定) c_pass bool 七道檢查全數通過 c_reasons str 未通過時的原因(分號分隔) 來源與生成 輸入:取自公開網路語料的真實簡體中文段落,以兩個判別器篩選: 簡體專屬字率… See the full description on the dataset page: https://huggingface.co/datasets/lianghsun/zhcn-zhtw-localization-pairs.