Башкирско-русский и русско-башкирский параллельный корпус

You can download this dataset from the HuggingFace:

https://huggingface.co/datasets/AigizK/bashkir-russian-parallel-corpora

Update 19.02.2023

• Все корпусы собрал в один JSONL файл: ba_ru.jsonl
• All corpus was joined to one JSONL file: ba_ru.jsonl

Sample of one row:

{"ba": "535-тән ашыу скважина бырауланған.","ru": "Пробурено свыше 535 скважин.", "corpus": "bashkir encyclopedia"}

Папка 1000-sentences

Переведено с русского на башкирский преподавательницей башкирского языка и литературы Кагармановой Сарией Мухамадьяновной. Рядом лежит исходный текст на английском

Папка bash_ encyclopedia

Башкирская энциклопедия

Папка bashinform

Новостной сайт

Папка little_prince

Книга Маленький принц

Папка translated_books

Эта папка содержит переведенные книги. Для того чтоб выровнять предложения сделано следующее:

• первый этап: с помощью инструмента https://github.com/averkij/lingtrain-aligner-editor автоматом выравниваем текст
• второй этап: полученный результат скармливаем телеграмм боту @bashkort_translate_bot. А энтузиаст, подписанные на этот бот, просматривают каждую пару и отмечают, насколько перевод корректный.