OpenSubtitles 发布 AmbigMT 数据集, 应用在 机器翻译、自然语言处理 领域

OpenSubtitles 本次发布的数据集 AmbigMT, 该数据集包含了四个语言对，分别是英语翻译成法语、德语、西班牙语和日语，展示了不同的语言现象，这些现象在推理时可能导致歧义。此外，该数据集还包括了五种歧义类型的样本：“it”指代消解、正式性、一词多义以及性别特定翻译。每个语言对都包含了1000个多样化的样本。该数据集的任务是跨语言的条件生成和歧义解决。

查看AmbigMT

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。