印度理工学院孟买分校 发布 DISCO 数据集, 应用在 自然语言处理、机器翻译 领域

印度理工学院孟买分校 本次发布的数据集 DISCO, DISCO数据集是由印度理工学院孟买分校的研究人员创建的，旨在解决印欧语言中的不流畅问题。该数据集包含超过12000对不流畅和流畅的文本语句，涵盖英语、印地语、德语和法语四种语言。数据集的创建过程涉及语言专家的参与，确保了数据的质量和多样性。DISCO数据集的应用领域主要集中在自动语音识别（ASR）后的文本处理，以及提高机器翻译系统的性能，特别是在处理口语对话时。

查看DISCO

README 内容： 

关于 印度理工学院孟买分校 , 印度理工学院孟买分校是印度顶尖的工程学院之一，以其在工程、科技和管理领域的卓越教育和研究而闻名。

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。