FBK 发布 An Arabic-Hebrew parallel corpus of TED talks 数据集, 应用在 机器翻译、语言对齐 领域

FBK 本次发布的数据集 An Arabic-Hebrew parallel corpus of TED talks, 本数据集名为‘An Arabic-Hebrew parallel corpus of TED talks’，由意大利特伦托FBK创建。数据集包含约2000个TED演讲的阿拉伯语和希伯来语平行文本，总计约3.5M tokens每种语言。创建过程中，利用WIT3收集原始数据，并通过特定的算法对文本进行对齐和重构。该数据集主要应用于机器翻译领域，旨在解决阿拉伯语和希伯来语之间的翻译问题。

查看An Arabic-Hebrew parallel corpus of TED talks

关于 FBK , FBK（Fondazione Bruno Kessler）是意大利特伦托的一个研究机构，专注于信息技术、社会科学和文化遗产保护等领域的研究。

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。