印度理工学院马德拉斯分校 发布 L3Cube-IndicHeadline-ID 数据集, 应用在 自然语言处理、多语言语义评估 领域

印度理工学院马德拉斯分校 本次发布的数据集 L3Cube-IndicHeadline-ID, L3Cube-IndicHeadline-ID是一个用于低资源印度语言新闻标题识别和语义评估的数据集，涵盖了十种低资源印度语言：马拉地语、印地语、泰米尔语、古吉拉特语、奥里亚语、卡纳达语、马拉雅拉姆语、旁遮普语、泰卢固语和孟加拉语。每种语言包括20,000篇新闻文章，每篇文章配以四种标题变体：原始标题、语义相似版本、词汇相似版本和无关版本。数据集用于评估模型根据文章和标题之间的相似性选择正确标题的能力，为低资源印度语言的自然语言处理提供了宝贵的资源。

查看L3Cube-IndicHeadline-ID

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。