Inria 发布 OLDI Seed Corpus French Partition 数据集, 应用在 机器翻译、低资源语言处理 领域

Inria 本次发布的数据集 OLDI Seed Corpus French Partition, OLDI Seed Corpus French Partition是一个法语分区，由Inria研究机构创建，旨在解决低资源语言翻译训练数据不足的问题。该数据集包含大约6000个英文句子，这些句子从维基百科的核心文章中抽取，涵盖了广泛的主题。为了创建这个数据集，使用了多种机器翻译系统和定制的后编辑界面，由母语为法语的专业人员进行后编辑。这个法语语料库不仅是翻译的终点，而且作为关键的中转资源，旨在促进法国低资源区域语言的平行语料库的收集。该数据集以CC BY-SA 4.0许可证公开可用。

查看OLDI Seed Corpus French Partition

关于 Inria , Inria（法国国家信息与自动化研究所）是法国的一个公立研究机构，专注于计算机科学和信息学领域的研究与培训。

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。