WMT 发布 WMT News 2018 数据集, 应用在 自然语言处理、机器学习 领域

WMT 本次发布的数据集 WMT News 2018, 该数据集是WMT新闻2018数据集的一个子集，其中包含了随机选取的句子，旨在分析变压器语言模型中编码的概念。在处理过程中，该数据集经过了筛选，剔除了出现频率低于10的词汇，并且每个词型的出现次数不超过10次。最终形成的数据集包含25,000种词汇类型，每种词汇平均有10个上下文环境。该数据集的规模为250,000个句子（约500万个标记），其任务是进行语言模型中编码概念的聚类与分析。

查看WMT News 2018

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。