University of Pretoria 发布 Marito 数据集, 应用在 多语言术语资源、自然语言处理 领域

University of Pretoria 本次发布的数据集 Marito, Marito 数据集是一个结构化的多语言术语资源，涵盖了南非官方语言的关键领域。该数据集由DSFSI、南非大学、政府部门和研究机构创建，旨在通过聚合、数字化和标准化现有术语资源，提高其可访问性和实用性。数据集覆盖了多个领域，如信息技术、数学、金融、健康科学和议会程序，并以CSV和JSON格式开放发布，并计划发布TermBase eXchange (TBX)版本。Marito 数据集为多语言自然语言处理 (NLP) 模型的评估和语言学研究提供了宝贵的基准资源，有助于推动南非本土语言的数字化和语言平等。

查看Marito

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。