亚利桑那大学 发布 English-Tamarian Parallel Corpus 数据集, 应用在 机器翻译、虚构语言 领域

亚利桑那大学 本次发布的数据集 English-Tamarian Parallel Corpus, English-Tamarian Parallel Corpus是一个专门为研究虚构语言Tamarian而创建的数据集，由亚利桑那大学的Peter A. Jansen负责。该数据集包含68条从英语到Tamarian的平行语料，这些语料来源于《星际迷航》剧集及衍生小说。数据集的创建过程涉及从Reddit社区讨论中提取Tamarian语句的含义，并结合小说上下文进行推断。该数据集主要用于训练机器翻译模型，特别是针对富含隐喻的语言翻译，旨在解决虚构语言与现实语言之间的翻译难题。

查看English-Tamarian Parallel Corpus

README 内容： 

关于 亚利桑那大学 , 亚利桑那大学（University of Arizona）是一所位于美国亚利桑那州图森市的公立研究型大学，成立于1885年。该校是美国最古老的公立大学之一，也是美国西南部最大的大学之一。亚利桑那大学在多个学科领域具有较高的研究水平，尤其在光学、天文学、地质学和生态学等领域享有盛誉。

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。