Datasets
Dataset
IndicParaphrase
by ai4bharat
This is the paraphrasing dataset released as part of IndicNLG Suite. Each input is paired with up to 5 references.
CC-BY-NC-4.0other 852 61M < n < 10M rows
published 9 Mar 2022
Preview
First 5 rows of or / train, from the Hugging Face dataset viewer.
| id | pivot | input | target | references |
|---|---|---|---|---|
| 1 | arise , awake and stop not till the goal is reached . | “ଜାଗ୍ରତ ହୁଅ, ଉଠ ଏବଂ ଲକ୍ଷ୍ୟସ୍ଥଳରେ ନପହଞ୍ଚିବା ପର୍ଯ୍ୟନ୍ତ ଅଟକି ଯାଅ ନାହିଁ । | ଉଠ, ଜାଗ ଓ ସେପର୍ଯ୍ୟନ୍ତ ରୁହ ନାହିଁ ଯେପର୍ଯ୍ୟନ୍ତ ଲକ୍ଷ୍ୟ ପୂରଣ ନହୋଇଛି । | ["ଉଠ, ଜାଗ ଓ ସେପର୍ଯ୍ୟନ୍ତ ରୁହ ନାହିଁ ଯେପର୍ଯ୍ୟନ୍ତ ଲକ୍ଷ୍ୟ ପୂରଣ ନହୋଇଛି ।","ଜାଗ୍ରତ ହୁଏ, ସ୍ୱର ଉଠାଅ ଓ ଗୋଲ୍ରେ ନ ପହଞ୍ଚିବା ଯାଏ ଅଟକ ନାହିଁ।","– ଉଠ ଆଉ ସେପର୍ଯ୍ୟନ୍ତ ଅଟକିଯାଅ ନାହିଁ ଯେପର୍ୟ୍ୟନ୍ତ ଲକ୍ଷ୍ୟ ପ୍ରାପ୍ତି ହୋଇନାହିଁ ।","‘‘ଉଠ, ଜାଗ୍ରତ ହୁଅ ଏବଂ ଯେତେ ପର୍ଯ୍ୟନ୍ତ ଲକ୍ଷ୍ୟ ସ୍ଥଳରେ ନପହଞ୍ଚିଛ ସେ ପର୍ଯ୍ୟନ୍ତ ଚେଷ୍ଟା ଜାରି ରଖ ।"] |
| 2 | it comes in three colour options . | ତିନିଟି ସ୍ବତନ୍ତ୍ର ରଙ୍ଗରେ ଏହା ଉପଲବ୍ଧ ହେଉଛି। | ଏହାର ତିନିଟି ରଙ୍ଗ ରହିଛି। | ["ଏହାର ତିନିଟି ରଙ୍ଗ ରହିଛି।","ଏହା ତିନୋଟି କଲରରେ ଉପଲବ୍ଧ ।","ତିନିଟି ରଙ୍ଗରେ ଏହା ବଜାରକୁ ଆସିଛି।","ଏହା ତିନିଟି ରଙ୍ଗରେ ଉପଲବ୍ଧ ହେଉଛି।"] |
| 3 | a police officer shot dead | ଗୁଳିକରି ପୋଲିସ ଅଧିକାରୀଙ୍କୁ ହତ୍ୟା | ଜଣେ ପୁଲିସ କର୍ମଚାରୀଙ୍କୁ ଅତି ନିର୍ମମ ଭାବେ ଗୁଳି କରି ହତ୍ୟା କରିଛନ୍ତି। | ["ଜଣେ ପୁଲିସ କର୍ମଚାରୀଙ୍କୁ ଅତି ନିର୍ମମ ଭାବେ ଗୁଳି କରି ହତ୍ୟା କରିଛନ୍ତି।","କାର୍ଯ୍ୟରତ ପୋଲିସ କର୍ମଚାରୀଙ୍କୁ ମାରିଲେ ମାଡ","ପୋଲିସ୍ କର୍ମଚାରୀଙ୍କୁ ଗୁଳି କରି ହତ୍ୟା","ଥାନା ଅଧିକାରୀଙ୍କୁ ଗୁଳିକରି ହତ୍ୟା"] |
| 4 | but so | ହେଲେ ସେଥିପାଇଁ… | ମାତ୍ର ସେମିତି . | ["ମାତ୍ର ସେମିତି .","କିନ୍ତୁ ଏଭଳି…","ହେଲେ ଏମିତି…","ହେଲେ ଏଭଳି ."] |
| 5 | this is true of both state and central governments . | ଏହାକୁ ନେଇ ଉଭୟ କେନ୍ଦ୍ର ଓ ରାଜ୍ୟଗୁଡ଼ିକ ଭିତରେ ଟଣାଓଟରା ଲାଗିଛି। | ଏଇଟା ଉଭୟ ରାଜ୍ୟ ଓ କେନ୍ଦ୍ର ସରକାରଙ୍କ ଦାୟିତ୍ୱ। | ["ଏଇଟା ଉଭୟ ରାଜ୍ୟ ଓ କେନ୍ଦ୍ର ସରକାରଙ୍କ ଦାୟିତ୍ୱ।","ଏନେଇ ଉଭୟ କେନ୍ଦ୍ର ଓ ରାଜ୍ୟ ସରକାର ମଧୢରେ ଦୋଷ ଲଦାଲଦି ହୋଇଥାଏ।","ଏଥିରେ ଉଭୟ କେନ୍ଦ୍ର ଓ ରାଜ୍ୟ ସରକାରଙ୍କୁ ଟାର୍ଗେଟ୍ କରାଯାଇଛି ।","ଉଭୟ କେନ୍ଦ୍ର ଓ ରାଜ୍ୟ ସରକାର ଚାହିଁଲେ ଏହା ସମ୍ଭବ।"] |
Cite this
CC-BY-NC-4.0textCite
Tags
annotations_creators:no-annotationlanguage_creators:foundmultilinguality:multilingualsource_datasets:originallanguage:aslanguage:bnlanguage:gulanguage:hilanguage:knlanguage:mllanguage:mrlanguage:orlanguage:palanguage:talanguage:telicense:cc-by-nc-4.0size_categories:1M<n<10Mmodality:textlibrary:datasetslibrary:mlcroissantarxiv:2203.05437region:us