BVS 语料库：一个多语言生物医学科技文本平行语料库
计算与语言
2019-05-07 v1 信息检索
摘要
BVS 数据库（健康虚拟图书馆）是拉丁美洲与加勒比地区的生物医学信息集中源，创建于 1998 年，由 BIREME（区域医学图书馆）与泛美卫生组织（OPAS）合作协调。摘要以英语、西班牙语和葡萄牙语提供，其中子集含多种语言，因此可作为平行语料的潜在来源。本文介绍了从 BVS 构建英、葡、西三语平行语料库的工作。句子使用 Hunalign 算法对 EN/ES 与 EN/PT 语言对及部分三语文章子集进行自动对齐。我们通过为每个语言对训练神经机器翻译（OpenNMT）系统展示了语料库的能力，其在科学生物医学文章上优于相关研究工作。句子对齐也经人工评估，所有语言平均 96% 句子正确对齐。我们的平行语料库免费开放，并附有文章元数据等补充信息。
引用
@article{arxiv.1905.01712,
title = {BVS Corpus: A Multilingual Parallel Corpus of Biomedical Scientific Texts},
author = {Felipe Soares and Martin Krallinger},
journal= {arXiv preprint arXiv:1905.01712},
year = {2019}
}
备注
Accepted at the Copora conference. arXiv admin note: text overlap with arXiv:1905.01715