不列颠哥伦比亚大学 发布 ArabicMTEB 数据集, 应用在 阿拉伯语、自然语言处理 领域

不列颠哥伦比亚大学 本次发布的数据集 ArabicMTEB, ArabicMTEB是一个全面的阿拉伯语文本嵌入基准，旨在评估跨语言、多方言、多领域和多文化的阿拉伯语文本嵌入性能。该数据集包含94个数据集，涵盖8个不同的任务，包括检索、分类和语义相似性等。数据集的内容丰富多样，包括标准阿拉伯语和各种方言，以及不同领域的文本。创建过程涉及使用人工生成和合成数据，确保了数据集的广泛覆盖和多样性。该数据集主要应用于阿拉伯语自然语言处理领域，旨在解决阿拉伯语特有的语言和文化复杂性问题。

查看ArabicMTEB

关于 不列颠哥伦比亚大学 , 不列颠哥伦比亚大学是一所位于加拿大温哥华的著名公立研究型大学，以其卓越的教学和研究质量在国际上享有盛誉。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。