WMT 发布 News Crawl 2012 数据集, 应用在 自然语言处理、跨语言词嵌入 领域

WMT 本次发布的数据集 News Crawl 2012, 该数据集是一个单语料库，用于多种语言，但值得注意的是，芬兰语采用的是2014年的新闻爬虫数据。此外，该数据集被用于分析数据量对嵌入质量的影响。每个语言随机提取了5万句作为研究样本。该数据集的主要任务是跨语言的词嵌入研究。

查看News Crawl 2012

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。