WMT24 Indic MT Shared Task 发布 IndicNECorp1.0 数据集, 应用在 机器翻译、自然语言处理 领域

WMT24 Indic MT Shared Task 本次发布的数据集 IndicNECorp1.0, 该数据集包含了大约260万句阿萨姆语、10万句卡西语、200万句米佐语和100万句曼尼普尔语，其中包括了英语与印度语系的双语对照句子。此外，还包含了训练集，其中有5万句英语与阿萨姆语以及英语与米佐语的平行句子，以及分别为英语与卡西语和英语与曼尼普尔语提供的2.4万句和2.16万句。总的来说，该数据集大约有260万句句子。这项任务的目的是针对低资源的印度语系语言翻译。

查看IndicNECorp1.0

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。