Linguatools 发布 Wikipedia Comparable Corpora 数据集, 应用在 自然语言处理、多模态学习 领域

Linguatools 本次发布的数据集 Wikipedia Comparable Corpora, 该数据集包含了英文和德文的维基百科文章，这些文章经过对齐处理，用于训练和评估M3L-Contrast模型。此外，数据集还包括了对齐的图片，专门用于评估M3L-Contrast模型的表现。其规模包括20,000个训练元组和1,000个测试元组，任务涉及多语言和多模态的主题建模。

查看Wikipedia Comparable Corpora

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。