KazParC：面向机器翻译的哈萨克语平行语料库
计算与语言
2024-04-11 v3
摘要
我们介绍了 KazParC，一个为哈萨克语、英语、俄语和土耳其语之间机器翻译设计的平行语料库。作为首个且同类中最大的公开可用语料库，KazParC 包含 371,902 个平行句子，涵盖不同领域，并在人类翻译员的协助下开发。我们的研究工作还扩展到开发一个代号为 Tilmash 的神经机器翻译模型。值得注意的是，根据 BLEU 和 chrF 等标准评估指标，Tilmash 的表现与 Google Translate 和 Yandex Translate 等行业巨头相当，在某些情况下甚至超越它们。KazParC 和 Tilmash 均可通过我们的 GitHub 仓库在知识共享署名 4.0 国际许可 (CC BY 4.0) 下公开下载。
引用
@article{arxiv.2403.19399,
title = {KazParC: Kazakh Parallel Corpus for Machine Translation},
author = {Rustem Yeshpanov and Alina Polonskaya and Huseyin Atakan Varol},
journal= {arXiv preprint arXiv:2403.19399},
year = {2024}
}
备注
To appear in Proceedings of the 2024 Joint International Conference on Computational Linguistics, Language Resources and Evaluation (LREC-COLING 2024)