SalutDevices 发布 RUPOR 数据集, 应用在 自然语言处理、文本修正 领域

SalutDevices 本次发布的数据集 RUPOR, RUPOR数据集是一个用于拼写检查、语法错误检测和纠正的俄语诗歌和短篇散文文本的标注数据集。它包含大量独特的2-和3-grams，数据格式与第三方数据集不同，语法和修辞手法也有显著差异。数据集中每个样本都是一组包含错误文本和正确文本的配对，用于评估和训练语法错误检测模型和拼写检查器。该数据集旨在解决诗歌领域特有的挑战，如句子分割、词汇和语法结构的复杂性，以及诗歌的多样性和创新性。

查看RUPOR

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。