印度理工学院甘地分校 发布 PHINC 数据集, 应用在 代码混合、机器翻译 领域

印度理工学院甘地分校 本次发布的数据集 PHINC, PHINC数据集是由印度理工学院甘地分校创建的一个大规模平行语料库，专注于英语-印地语混合的社交媒体文本。该数据集包含13,738条代码混合的英语-印地语句子和其对应的英语翻译，这些翻译由54名学生标注者手动完成。数据集的创建旨在促进代码混合机器翻译的研究，特别是在处理社交媒体平台上的非正式和多语言文本。PHINC数据集涵盖了多个社交平台，如Twitter和Facebook，并涉及多种主题，如体育、娱乐和新闻，旨在解决现有机器翻译系统在处理代码混合文本时的局限性。

查看PHINC

关于 印度理工学院甘地分校 , 印度理工学院甘地分校（Indian Institute of Technology Gandhinagar，简称IIT Gandhinagar）是印度的一所顶尖工程技术与科学研究机构，位于古吉拉特邦的甘地纳加尔。该校提供本科、硕士和博士课程，涵盖工程、科学、人文和社会科学等多个领域。

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。