WMT benchmark 发布 Multilingual Dataset 数据集, 应用在 机器翻译、自然语言处理 领域

WMT benchmark 本次发布的数据集 Multilingual Dataset, 该数据集是一个包含9种语言和56个零资源翻译方向的多元语言数据集。具体包括英语、法语、捷克语、德语、芬兰语、爱沙尼亚语、罗马尼亚语、印地语和土耳其语。该数据集的训练数据来源于每种语言的最新可用年份，而单语英语数据则是从新闻爬虫中抽取的。每个语言对的平行数据规模限制在1000万个样本以内，旨在应对零资源神经机器翻译任务。

查看Multilingual Dataset

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。