发布 CausalMT 数据集, 应用在 机器翻译、自然语言处理 领域

本次发布的数据集 CausalMT, 该数据集包含了大量由人类标记翻译方向的翻译对，使得研究者能够探究训练测试方向匹配以及数据模型方向匹配对机器翻译性能的影响。此外，该数据集还允许分析翻译文本与自然写作文本在词汇量及冗余性等方面的翻译特征。具体规模上，该数据集涵盖了三个训练集内超过20万对翻译对，两个训练集内超过9万对翻译对，以及一个包含1,000对翻译对的开发集和一个包含2,000对翻译对的测试集。该数据集的任务是用于机器翻译研究。

查看CausalMT

README 内容： 

关于 , 国庆学校是一所位于中国的教育机构，专注于提供基础教育服务。学校致力于培养学生的综合素质，注重学术与品德的全面发展。

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。