德国萨尔兰大学 发布 Urdu MS MARCO Dataset 数据集, 应用在 信息检索、低资源语言 领域

德国萨尔兰大学 本次发布的数据集 Urdu MS MARCO Dataset, Urdu MS MARCO Dataset是由德国萨尔兰大学和德国人工智能研究中心创建的首个大规模乌尔都语信息检索数据集。该数据集通过机器翻译MS MARCO数据集生成，包含3900万条三元组，涵盖查询、相关和不相关段落。数据集的创建过程利用了IndicTrans2模型进行翻译，并进行了预处理以提高数据质量。该数据集主要应用于低资源语言的信息检索研究，旨在提升乌尔都语等低资源语言的信息检索性能，并为未来的多语言信息检索研究提供基础。

查看Urdu MS MARCO Dataset

关于 德国萨尔兰大学 , 德国萨尔兰大学是位于德国萨尔州的一所综合性大学，提供包括自然科学、人文科学、社会科学和工程学等多个领域的教育和研究。

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。