TaPaCo

Tatoeba是一个主要针对语言学习者的众包项目。其目的是为特定的语言结构和单词提供例句和翻译。释义语料库是通过在图形中填充Tatoeba句子和句子之间的等效链接 “意思是同一件事” 来创建的。然后遍历该图以提取释义集。应用了几个与语言无关的过滤器和修剪步骤来删除无趣的句子。对三种语言进行的手动评估表明，推断出的释义中有一半到四分之三是正确的，而其余大多数是正确但微不足道的，或者近似于消除形态差异的释义。该语料库总共包含190万个句子，每个语言200-250 000个句子。它涵盖了一系列语言，据我们所知，没有其他解释数据集。

搜集汇总

背景与挑战

背景概述

TaPaCo是一个基于Tatoeba众包项目构建的释义语料库，通过图形方法提取句子间的释义关系并经过过滤处理。该数据集覆盖73种语言，包含约190万个句子，每个语言有20-25万句子，手动评估表明其释义准确性较高。