IndoNLP 发布 NusaWrites 数据集, 应用在 低资源语言、自然语言处理 领域

IndoNLP 本次发布的数据集 NusaWrites, 该数据集名为NusaWrites，包含了印度尼西亚使用的12种代表性不足且资源极其匮乏的语言。通过让母语者撰写段落，确保了词汇多样性和文化内容的质量。该数据集旨在改善低资源语言的NLP技术获取途径，并作为评估语言模型的基准，涉及的自然语言处理任务包括自然语言理解（NLU）和自然语言生成（NLG）。

查看NusaWrites

README 内容： 

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。