WMT 发布 WMT 2014 French-English and German-English datasets 数据集, 应用在 机器翻译、自然语言处理 领域

WMT 本次发布的数据集 WMT 2014 French-English and German-English datasets, 该数据集包括用于训练和评估无监督机器翻译系统的单语语料库。训练数据是通过将2007年至2013年的所有新闻爬虫单语语料库拼接而成。评估则采用Moses工具包中包含的multi-bleu.perl脚本计算的分词BLEU分数。数据集规模分别为：法语7.49亿个标记，德语16.06亿个标记，英语21.09亿个标记。所涉及的任务是机器翻译。

查看WMT 2014 French-English and German-English datasets

README 内容： 

关于 WMT , WMT（Workshop on Machine Translation）是一个国际性的机器翻译研讨会，旨在促进机器翻译领域的学术交流和技术发展。该研讨会涉及机器翻译的各个方面，包括翻译质量评估、翻译系统的构建和优化等。

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。