不列颠哥伦比亚大学 发布 ArabicMTEB 数据集, 应用在 阿拉伯语NLP、文本嵌入 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数据集，由不列颠哥伦比亚大学开发。该数据集涵盖了8个不同的任务类别，包括跨语言检索、分类和语义相似性等，共包含94个数据集。数据集的内容丰富多样，包括标准阿拉伯语和多种方言，旨在评估文本嵌入模型在不同阿拉伯语环境中的表现。数据集的创建过程结合了人工生成和合成数据，确保了语言覆盖的全面性和多样性。ArabicMTEB的应用领域广泛，旨在解决阿拉伯语自然语言处理中的复杂问题，特别是在跨语言和跨文化环境中的文本理解和生成。

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。