葡萄牙波尔图大学 发布 PtBrVarId 数据集, 应用在 自然语言处理、语言变体识别 领域

葡萄牙波尔图大学 本次发布的数据集 PtBrVarId, PtBrVarId是一个跨领域的银标签葡萄牙语语言变体识别数据集，由11个欧洲和巴西来源的开放许可语料库编译而成，涵盖新闻、法律、政治、网络、社交媒体和文学六个领域。该数据集采用银标签方法，基于文档的元数据推断语言变体，未经人工标注。数据集在清洗后包含约730万份文档，主要用于训练机器学习和深度学习模型。

查看PtBrVarId

关于 葡萄牙波尔图大学 , 葡萄牙波尔图大学是葡萄牙的一所著名公立大学，位于波尔图市，是葡萄牙最大的教育机构之一，以其高质量的教育和研究项目享誉国际。

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。