zouharvi/wmt-terminology-2023

WMT 2023术语共享任务数据集包含源文本、参考文本、术语以及参与者的提交内容，主要用于机器翻译任务。数据集的语言包括英语、捷克语、中文和德语，并且数据集的大小在1K到10K之间。数据集的来源包括捷克和英语的论文摘要、MuchMore Springer双语语料库以及BWB语料库。

原始信息汇总

WMT 2023 Terminology Shared Task Data

数据集概述

• 任务类别: 翻译
• 语言: 英语 (en), 捷克语 (cs), 中文 (zh), 德语 (de)
• 标签: 术语学, WMT
• 名称: WMT 2023 Terminology Shared Task Data
• 大小类别: 1K<n<10K
• 许可证: cc

数据内容

• 包含源文本、参考文本、术语以及参与者提交的内容。
• 仅包含 test 分割。

引用信息

@inproceedings{semenov-etal-2023-findings, title = "Findings of the WMT 2023 Shared Task on Machine Translation with Terminologies", author = "Kirill Semenov and Vilém Zouhar and Tom Kocmi and Dongdong Zhang and Wangchunshu Zhou and Yuchen Eleanor Jiang" booktitle = "Proceedings of the Eight Conference on Machine Translation (WMT)", month = dec, year = "2023", publisher = "Association for Computational Linguistics", }

数据来源

• 捷克语和英语的ÚFAL论文摘要: 由Rudolf Rosa和Vilém Zouhar提供。
• MuchMore Springer Bilingual Corpus
• BWB Corpus: 由Yuchen Eleanor Jiang等人提供。