哥本哈根大学 发布 Itih¯asa 数据集, 应用在 语言翻译、文献数字化 领域

哥本哈根大学 本次发布的数据集 Itih¯asa, Itih¯asa是一个大规模的梵文到英语翻译数据集，包含93,000对梵文shlokas及其英文翻译。该数据集从印度两大史诗《罗摩衍那》和《摩诃婆罗多》中提取，旨在通过自动翻译系统加速文献的数字化和翻译过程，促进知识的民主化。数据集的创建涉及自动OCR提取和手动检查对齐错误，确保文本的高准确性。Itih¯asa的应用领域包括提高梵文自然语言处理工具的性能，解决梵文文献翻译的复杂性问题。

查看Itih¯asa

README 内容： 

关于 哥本哈根大学 , 哥本哈根大学是丹麦最古老、最大的研究型大学，提供广泛的学科教育和研究，以其卓越的学术成就和国际影响力而闻名。

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。