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

WMT 本次发布的数据集 WMT corpora, 该数据集包括两个从非领域语料库中提取的选定领域内数据集，分别包含约90万和110万条从原始310万条句子中筛选出的句子。数据的筛选基于与领域内数据集的相似性，这有助于提升翻译性能。规模上，这两个数据集分别约为90万和110万条句子，用于对神经机器翻译模型进行微调任务。

查看WMT corpora

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。