IWSLT 发布 TEDTalk Corpus (2016) 数据集, 应用在 自然语言处理、文本分析 领域

IWSLT 本次发布的数据集 TEDTalk Corpus (2016), 该数据集名为TEDTalk语料库，包含了2007年至2016年间发表的超过2600场TED演讲的转录文本。为了评估文本理解模型，这些文本被修改过，加入了非上下文语境的错误。此外，该数据集经过了调整，加入了超过25,000个上下文单词的替换，为模型评估提供了一个具有挑战性的修改后文本段落集合。规模上，该数据集涵盖了超过2600场TED演讲，其任务重点在于文本理解和错误检测。

查看TEDTalk Corpus (2016)

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。