伊朗科学与技术大学 发布 MIZ ¯AN 数据集, 应用在 机器翻译、语料库 领域

伊朗科学与技术大学 本次发布的数据集 MIZ ¯AN, MIZ ¯AN是由伊朗科学与技术大学计算机工程学院创建的大型波斯语-英语平行语料库，包含1,011,085个句子对，总计约2500万词。该数据集主要从Project Gutenberg的版权免费文学作品中收集，并通过人工转录确保数据质量。创建过程包括文本数字化、校正和句子对齐，旨在解决波斯语-英语机器翻译中的资源不足问题，为统计机器翻译提供高质量的训练数据。

查看MIZ ¯AN

README 内容： 

关于 伊朗科学与技术大学 , 伊朗科学与技术大学是伊朗的一所著名高等教育机构，专注于科学、技术和工程领域的教育和研究。

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。