[Home] [Query] [OO] [KDE] [KDEdoc] [PHP] [EUROPARL] [CVS] [Tools]

EUROPARL

source: http://www.isi.edu/~koehn/europarl/
(a parallel corpus compiled by Philipp Koehn)

11 languages, 55 bitexts
total number of files: 5214
total number of tokens: 296113192
total number of sentence fragments: 11545129

Download

Upper-right triangle: sample files (test = sentence alignment samples, language IDs = XML file samples)
Bottom-left triangle: XML-files (ces = sentence alignment files in XCES format, language IDs = gzipped tar-archives of corpus files in XML)

da de el en es fi fr it nl pt sv
da da test test test test test test test test test test da
de ces de test test test test test test test test test de
el ces ces el test test test test test test test test el
en ces ces ces en test test test test test test test en
es ces ces ces ces es test test test test test test es
fi ces ces ces ces ces fi test test test test test fi
fr ces ces ces ces ces ces fr test test test test fr
it ces ces ces ces ces ces ces it test test test it
nl ces ces ces ces ces ces ces ces nl test test nl
pt ces ces ces ces ces ces ces ces ces pt test pt
sv ces ces ces ces ces ces ces ces ces ces sv sv
da de el en es fi fr it nl pt sv

Statistics

Number of files, tokens, and sentence fragments per language
Number of aligned sentences per target language

language files tokens sentencesdadeelenesfifritnlptsv
da 492 27656016 1153375 1056534 855950 1034584 1080083 955929 1049407 1003924 1065129 1039528 968546
de 492 27759028 1123309 1056534 833521 1025028 1043179 949117 1041898 999471 1054422 1031209 973560
el 398 23482881 838998 855950 833521 811554 860702 731473 825801 794903 841494 817823 742585
en 488 28842367 1064462 1034584 1025028 811554 1028839 943014 1025108 982322 1035031 1017770 943646
es 492 30548440 1137428 1080083 1043179 860702 1028839 950664 1044014 1000425 1048760 1037257 957005
fi 442 18942061 997845 955929 949117 731473 943014 950664 947501 901206 956290 940095 962084
fr 492 33238913 1089670 1049407 1041898 825801 1025108 1044014 947501 996800 1049117 1035640 951073
it 492 28912189 1044101 1003924 999471 794903 982322 1000425 901206 996800 1004992 991634 906339
nl 492 29188340 1198081 1065129 1054422 841494 1035031 1048760 956290 1049117 1004992 1034587 963475
pt 492 23808099 840450 1039528 1031209 817823 1017770 1037257 940095 1035640 991634 1034587 941592
sv 442 23734858 1057410 968546 973560 742585 943646 957005 962084 951073 906339 963475 941592