In-house 发布 English-Thai Code-switched Medical Translation Dataset 数据集, 应用在 医学翻译、机器翻译 领域

In-house 本次发布的数据集 English-Thai Code-switched Medical Translation Dataset, 该数据集包含了64,000组英泰混合语码的医疗文本翻译对，其中还有1,100组作为测试保留。该数据集专注于保留医学专业术语，并采用了一种遮罩方法，利用GPT-4识别医学关键词，同时运用数据增强和过滤技术以提高数据质量。具体规模为：训练用翻译对64,000组，测试用1,100组，任务旨在机器翻译。

查看English-Thai Code-switched Medical Translation Dataset

README 内容： 

关于 In-house , -

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。