中英对照语料库（含八万句子对）

简介：
本资料集提供一个包含八万句对的中英对照语料库，适用于翻译研究与语言学习者。每条记录均精心校对，确保准确无误。 共包含8400多对中英句子，已进行预处理工作，中文部分使用jieba进行了分词处理，并且标点符号已经过校正。这些数据保存在en-zh.csv文件中，字段间以制表符\t作为分隔符（而非默认的逗号）。虽然语料库包括大量长句，但裁剪后仍有5万对句子足够使用。原始数据集中包含一个名为en-zh_News.tmx的部分存在一些问题的数据段落，在生成en-zh.csv文件时已将其过滤掉。此外还附赠了预处理该语料的程序（propressor.py）以及适用于PyTorch框架中的相关实现代码（LangData.py）。如果有任何可以改进的地方，欢迎提出建议。