Vietnamese research community 发布 MTet 数据集, 应用在 机器翻译、自然语言处理 领域

Vietnamese research community 本次发布的数据集 MTet, 该数据集名为MTet，是目前公开可用的最大的英越平行语料库，包含420万高质量的训练句对，以及一个由越南研究界精心打磨的多领域测试集。与其他现有数据源相比，该数据集在规模上更大，覆盖领域更为广泛，其中包括法律和生物医学等技术和影响力较大的领域。该数据集的训练样本量达到了420万例，其任务主要集中在机器翻译领域。

查看MTet

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。