沙迦大学 发布 PEACH 数据集, 应用在 自然语言处理、医学信息 领域

沙迦大学 本次发布的数据集 PEACH, PEACH是一个句子对齐的平行英语-阿拉伯语医疗文本语料库，包括患者信息手册和教育材料。语料库包含51,671个平行句子，总计约590,517个英语和567,707个阿拉伯语单词。句子长度平均在9.52到11.83个单词之间。作为一个手动对齐的语料库，PEACH是一个金标准语料库，有助于对比语言学、翻译研究和自然语言处理的研究人员。它可以用于推导双语词汇、为特定领域的机器翻译调整大型语言模型、评估用户对医疗保健中机器翻译的感知、评估患者信息手册和教育材料的可读性和对非专业人群的友好性，以及在翻译研究中作为教育资源。PEACH是公开的。

查看PEACH

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。