NLPC-UOM/Sinhala-short-sentences

该数据集包含从Flickr图像数据集中生成的僧伽罗语短句，参与者被要求为500张图像生成标题。这些句子对之间的相似度被手动确定，用作验证算法的黄金数据集。该数据集在一篇关于僧伽罗语短句相似度测量的论文中被使用。

原始信息汇总

数据集概述

语言

• 数据集包含的语言：Sinhala (si)

许可证

• 数据集的许可证：MIT

数据集用途

• 该数据集用于论文《Sinhala Short Sentence Similarity Measures using Corpus-Based Similarity for Short Answer Grading》。
• 数据集包含的Sinhala短句是从一个flicker图像数据集生成的。
• 参与者为500张图片制作了标题，随后手动确定了这些句子对的相似性，作为验证算法的黄金数据集。

数据集生成

• 参与者为500张图片制作标题。
• 手动确定句子对的相似性。

相关资源

• 用于测量短句相似性的代码位于：https://github.com/suralk/SinhalaSentenceSimilarityMeasurement