GeBioCorpus
收藏arXiv2019-12-10 更新2024-08-06 收录
下载链接：
http://arxiv.org/abs/1912.04778v1
下载链接
链接失效反馈官方服务：
资源简介：
GeBioCorpus是由TALP研究中心创建的多语种平行语料库，包含2000句英语、西班牙语和加泰罗尼亚语的句子，旨在解决机器翻译中的性别偏见问题。该数据集通过自动提取维基百科中的传记信息，并由母语者进行后期编辑，以确保数据质量。GeBioCorpus是机器翻译领域中首个非合成的性别平衡测试数据集，适用于评估不同语言对间的翻译性能，特别是在性别标记明显的语言转换中。
GeBioCorpus is a multilingual parallel corpus developed by the TALP Research Center, consisting of 2,000 parallel sentences across English, Spanish and Catalan, and is built to mitigate gender bias in machine translation. This dataset is constructed by automatically extracting biographical content from Wikipedia, with post-editing performed by native speakers to ensure data quality. GeBioCorpus is the first non-synthetic gender-balanced test dataset in the machine translation domain, suitable for assessing translation performance across different language pairs, especially those with explicit gender marking.
提供机构：
TALP研究中心，加泰罗尼亚理工大学，巴塞罗那
创建时间：
2019-12-10
