Microsoft Terminology Collection は、Microsoft が2022年に公開した多言語のIT用語データセットであり、アプリケーションのローカライゼーション、用語統合、および約100言語の言語開発に基礎となるIT語彙を提供することを目的としています。

このデータセットには33,738件の用語エントリが含まれ、約100言語をカバーしており、データは.tbx形式で、言語間の用語アライメントとローカライゼーションアプリケーション開発をサポートします。

データセットの構成

データセットには以下のフィールドが含まれます：

• entry_id: 用語エントリの一意の識別子
• term_source: ソース言語の用語
• pos: 品詞
• definition: 用語の定義
• term_target: ターゲット言語の用語