印度理工学院甘地纳格尔分校 发布 COMI-LINGUA 数据集, 应用在 自然语言处理、梵文 领域

印度理工学院甘地纳格尔分校 本次发布的数据集 COMI-LINGUA, COMI-LINGUA是由印度理工学院甘地纳格尔分校的LINGO团队创建的大型人工标注数据集，包含100,970个实例，由三位专家注释者以梵文和罗马文两种脚本进行评估。该数据集支持五种基本的自然语言处理任务：语言识别、矩阵语言识别、词性标注、命名实体识别和翻译。数据集涵盖多种领域，包括社交媒体、新闻和 informal 谈话，确保了真实世界的语言和上下文多样性，适用于多种语言处理系统的开发和评估。

查看COMI-LINGUA

Dataset card 内容： 

Files and versions 内容： 

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。