乌卡塔萨迪亚大学 发布 SAHAAYAK 2023 数据集, 应用在 机器翻译、双语语料库 领域

乌卡塔萨迪亚大学 本次发布的数据集 SAHAAYAK 2023, SAHAAYAK 2023是由阿沙 M. 塔萨迪亚计算机科学与技术学院创建的一个大型多领域双语平行语料库，专注于梵文到印地语的机器翻译。该数据集包含158万对平行句对，涵盖新闻、日常对话、政治、历史、体育和古代印度文学等多个领域。创建过程中，采用了从手工制作小数据集到广泛的数据挖掘、清洗和验证的多方面方法。该数据集旨在解决低资源语言机器翻译的挑战，特别是梵文和印地语之间的翻译，有望在教育和不同社会需求中发挥重要作用。

查看SAHAAYAK 2023

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。