爱丁堡大学 发布 DocHPLT 数据集, 应用在 自然语言处理、机器翻译 领域

爱丁堡大学 本次发布的数据集 DocHPLT, DocHPLT是一个大规模的多语言文档级翻译数据集，包含50种语言与英语的124百万对齐文档，共计42.6亿句子。该数据集注重包括中低资源语言，为全球社区提供了文档级翻译和长上下文建模的必要资源。DocHPLT采用了文档优先的方法，保留了文档的完整结构和未对齐部分，为研究文档级翻译提供了丰富且真实的数据环境。

查看DocHPLT

关于 爱丁堡大学 , 爱丁堡大学是一所位于英国苏格兰爱丁堡的世界顶尖公立综合研究型大学，是英国罗素大学集团、欧洲研究型大学联盟成员。

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。