FBK-MT/GeNTE

GeNTE（性别中立翻译评估）是一个自然双语语料库，旨在评估机器翻译系统生成性别中立翻译的能力。该数据集基于欧洲议会演讲的Europarl语料库，包含1500个平行句子，并进行了人工注释。数据集分为两个子集：Set-N（需要性别中立翻译的句子）和Set-G（需要性别化翻译的句子）。数据集支持跨语言（英语-意大利语）和语内（意大利语-意大利语）的性别包容翻译任务。

原始信息汇总

数据集概述

名称: GeNTE: Gender-Neutral Translation Evaluation

描述: GeNTE是一个双语自然语言数据集，旨在评估机器翻译系统生成性别中性翻译的能力。该数据集基于欧洲议会的演讲，包含1500个平行句，分为性别中性翻译(set-N)和目标语言中性别化翻译(set-G)两部分。

数据集结构

配置类型:

• main: 包含完整的GeNTE语料库及其设置注释。
• common: 包含GeNTE语料库的子集，提供3种性别中性参考翻译。

数据文件:

• GeNTE.tsv: 包含8个字段，如ID、Europarl_ID、SET、SRC、REF-G、REF-N、COMMON、GENDER。
• GeNTE_common.tsv: 包含9个字段，如ID、Europarl_ID、SET、SRC、REF-G、REF-N1、REF-N2、REF-N3、GENDER。

数据集内容

语言: 英语(en)和意大利语(it)

许可证: CC-BY-4.0

任务类别: 翻译、文本生成

标签: 性别、偏见、包容性、重写、翻译、机器翻译

数据集创建

源数据: 从Europarl语料库(common test set 2)提取和编辑的文本数据。

注释: 每个句子对包含一个额外的意大利语参考，使用中性表达方式指代人类实体。

数据集策划者:

• Beatrice Savoldi (FBK): [e-mail]
• Luisa Bentivogli (FBK): [e-mail]
• Andrea Piergentili (FBK): [e-mail]

引用信息

bibtex @inproceedings{piergentili-etal-2023-hi, title = "Hi Guys or Hi Folks? Benchmarking Gender-Neutral Machine Translation with the {G}e{NTE} Corpus", author = "Piergentili, Andrea and Savoldi, Beatrice and Fucci, Dennis and Negri, Matteo and Bentivogli, Luisa", editor = "Bouamor, Houda and Pino, Juan and Bali, Kalika", booktitle = "Proceedings of the 2023 Conference on Empirical Methods in Natural Language Processing", month = dec, year = "2023", address = "Singapore", publisher = "Association for Computational Linguistics", url = "https://aclanthology.org/2023.emnlp-main.873", doi = "10.18653/v1/2023.emnlp-main.873", pages = "14124--14140" }