发布 BWB 数据集, 应用在 机器翻译、文学翻译 领域

本次发布的数据集 BWB, 该数据集是一个大规模的文档级中英平行语料库，涵盖了来自互联网的多种类型的中文网络小说及其对应的英文翻译。该数据集解决了以往研究中缺乏具有人类翻译的广泛文学文本数据集的问题，并允许对翻译中的风格特征进行比较分析。它是开源BWB数据集的一个子集，具体包含了五个最受欢迎子体裁中的25本书，每本书选取了100个大小为3KB的片段。此外，该数据集的任务是对比Gpt-4翻译与人类翻译之间的差异。

查看BWB

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。