沙迦大学 发布 ArzEn-MultiGenre 数据集, 应用在 机器翻译、自然语言处理 领域

沙迦大学 本次发布的数据集 ArzEn-MultiGenre, ArzEn-MultiGenre 是一个包含埃及阿拉伯语歌曲歌词、小说和电视节目字幕的平行数据集，这些内容都被人工翻译并与英文对应内容对齐。数据集包含 25557 个段对，可用于评估新的机器翻译模型的性能，在少量样本的情况下微调大型语言模型，以及适应商业机器翻译应用程序，如 Google Translate。此外，该数据集对于翻译研究、跨语言分析和词汇语义研究等各个学科的研究也具有重要价值。数据集还可用作翻译学生的训练材料和专业翻译人员的翻译记忆。ArzEn-MultiGenre 的贡献主要有两方面：首先，该数据集包含了现有平行埃及阿拉伯语和英语数据集中未出现过的文本类型；其次，它是一个金标准数据集，已经由人工翻译并对齐。

查看ArzEn-MultiGenre

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。