国家理工学院(IPN) 发布 Parallel Corpus for Indigenous Language Translation: Spanish-Mazatec and Spanish-Mixtec 数据集, 应用在 机器翻译、土著语言 领域

国家理工学院(IPN) 本次发布的数据集 Parallel Corpus for Indigenous Language Translation: Spanish-Mazatec and Spanish-Mixtec, 本研究介绍了首个针对墨西哥两种土著语言Mazatec和Mixtec与西班牙语的平行语料库，旨在支持机器翻译任务。该数据集包含9799句Mazatec语和13235句Mixtec语，主要来源于宗教和宪法领域。数据集的创建过程涉及文本对齐和预处理，以确保数据质量。此数据集的应用领域主要集中在提升低资源语言的机器翻译性能，特别是在从西班牙语翻译到土著语言的方向上显示出较好的效果。

查看Parallel Corpus for Indigenous Language Translation: Spanish-Mazatec and Spanish-Mixtec

README 内容： 

关于 国家理工学院(IPN) , 国家理工学院(IPN)是墨西哥的一所重要理工学院，提供广泛的工程和技术教育，致力于科学研究和创新。

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。