萨兰大学 发布 AFRIDOC-MT 数据集, 应用在 机器翻译、低资源语言 领域

萨兰大学 本次发布的数据集 AFRIDOC-MT, AFRIDOC-MT是由Masakhane NLP团队创建的一个文档级多语言平行翻译数据集，旨在填补非洲低资源语言在文档级机器翻译领域的空白。该数据集包含605个文档，涵盖健康和信息技术两个领域，每个语言对包含10,000个句子。数据来源于Techpoint Africa和世界卫生组织的英文文章，经过人工翻译和严格的质量控制。AFRIDOC-MT不仅支持英语与非洲语言之间的翻译，还支持非洲语言之间的多向翻译。该数据集的应用领域包括机器翻译模型的训练与评估，特别是在文档级翻译任务中，旨在解决低资源语言在长文档翻译中的一致性和连贯性问题。

查看AFRIDOC-MT

README 内容： 

关于 萨兰大学 , 萨兰大学（University of Saarland）位于德国萨尔布吕肯，是一所著名的研究型大学，以其在计算机科学、人工智能和生物信息学等领域的研究而闻名。

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。