University of the Basque Country UPV/EHU 发布 EN2CS 数据集, 应用在 代码转换、自然语言处理 领域

University of the Basque Country UPV/EHU 本次发布的数据集 EN2CS, EN2CS数据集是由自然发生的英语-西班牙语代码转换句子和对应的英语单语句子组成的伪平行语料库。该数据集由HiTZ Center - Ixa研究机构创建，旨在训练和评估英语-西班牙语代码转换生成模型。数据集包括训练、开发和测试三个部分，共有12933条训练数据。该数据集的创建过程包括从LINCE基准数据集中筛选出代码转换句子，使用Command R模型生成英语单语句子，然后进行后编辑以创建黄金标准测试集。该数据集的应用领域是代码转换文本的生成，旨在解决机器翻译和自然语言处理中的代码转换问题。

查看EN2CS

README 内容： 

关于 University of the Basque Country UPV/EHU , -

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。