金融新闻文本挖掘平行语料库数据集2007_2020

数据集概述

本数据集为金融领域的英汉平行新闻语料库，包含2007至2020年的60,473篇双语文档，涵盖新闻的标题、正文等核心内容，可用于金融领域的平行双语文本挖掘研究。

文件详解

• 文件名称：FT-en-zh.rar
• 文件格式：RAR压缩包
• 内容说明：包含所有文档的单文件集合，每条文档字段为id、time、english_title、chinese_title、integer、english_body、chinese_body
• 文件名称：FTIE.zip
• 文件格式：ZIP压缩包
• 内容说明：包含所有文档的独立文件集合，每条文档结构与上述字段一致

数据来源

Financial Times news website（https://www.ft.com/）

适用场景

• 金融领域机器翻译模型训练与优化
• 英汉双语新闻文本对齐与语料库构建研究
• 金融术语跨语言映射与语义分析
• 跨语言金融事件抽取与信息检索应用
• 金融领域多语言文本挖掘算法验证