VinAI Research 发布 PhoMT 数据集, 应用在 机器翻译、平行语料库 领域

VinAI Research 本次发布的数据集 PhoMT, PhoMT是一个大规模高质量的越南语-英语平行语料库，包含302万个句子对，旨在解决越南语-英语机器翻译资源不足的问题。数据集由VinAI研究创建，内容涵盖多个领域，如WikiHow、TED-Talks等，确保了数据多样性和广泛性。创建过程中，通过多阶段处理确保数据质量，包括文档收集、预处理、句子对齐和后处理。PhoMT的应用领域主要集中在机器翻译，特别是越南语到英语的翻译，旨在提高翻译质量和效率，为相关研究提供坚实基础。

查看PhoMT

README 内容： 

关于 VinAI Research , VinAI Research是越南的一家专注于人工智能研究和应用的机构，隶属于Vingroup集团，致力于推动人工智能技术的发展和应用。

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。