H. Tayyar Madabushi 发布 Multilingual Idiomaticity Detection and Sentence Embedding dataset 数据集, 应用在 自然语言处理、惯用语检测 领域

H. Tayyar Madabushi 本次发布的数据集 Multilingual Idiomaticity Detection and Sentence Embedding dataset, 该数据集由一个由12名评委组成的团队从自然语言来源中收集，包含了三个连续句子的序列，其中中间句子包含了多词表达，这些表达可能是惯用语的字面意义或实际意义。此外，数据集还包括潜在的惯用表达（PIE），这意味着中间句子可能包含习语或非习语。在测试数据中，我们对惯用语和非惯用语的实例数量进行了随机欠采样，以保持平衡。该数据集的任务是生成包含惯用语或字面表达的故事情境的上下文相关延续。

查看Multilingual Idiomaticity Detection and Sentence Embedding dataset

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。