HAL repository 发布 Acronym Corpus 数据集, 应用在 机器翻译、缩略语处理 领域

HAL repository 本次发布的数据集 Acronym Corpus, 该数据集是为了评估机器翻译系统在缩略语处理方面的表现而创建的，包含437个长格式-短格式（LF-SF）对。这些对是从一个包含13,500篇摘要的语料库中获取的，该语料库是从HAL数据库中抓取的。该数据集旨在提高机器翻译系统在缩略语解析方面的能力，并确保不包含任何冒犯性内容或个人信息。其规模为437个长格式-短格式对，任务重点是缩略语的消歧和翻译。

查看Acronym Corpus

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。