Lazaro Corpus

Lázaro 是一个从西班牙新闻专线中提取英语词汇借用（或 anglicisms）的模型。 Lázaro 每天处理 8 种主要西班牙报纸（elDiario.es、El País、ABC、El Mundo、El Confidencial、La Vanguardia、20minutos、EFE）上发表的文章，并提取它发现的英国语。21,570 个欧洲报纸标题的语料库西班牙语带有新兴的英国语注释。

搜集汇总

背景与挑战

背景概述

Lazaro Corpus是一个用于文本预训练的数据集，包含21,570个西班牙语新闻标题，专门标注了新兴的英语借词。该数据集由布兰代斯大学于2020年发布，基于CC BY-SA 3.0许可证，旨在通过Lázaro模型从西班牙报纸文章中提取英语词汇。