从维基百科修订历史中挖掘自然出现的纠错与复述
计算与语言
2022-02-28 v1
摘要
自然出现的语言现象实例对于文本自动处理的训练和评估都十分重要。当大量可用时，它们也证明了是语言学研究的有趣材料。本文中，我们呈现一个从维基百科修订历史构建的新资源，称为 WiCoPaCo（Wikipedia Correction and Paraphrase Corpus，维基百科纠错与复述语料库），其包含众多人类贡献者的编辑，包括各种纠错与重写。我们讨论构建此类资源的主要动机，描述其构建方式，并展示在法语上的初步应用。
引用
@article{arxiv.2202.12575,
title = {Mining Naturally-occurring Corrections and Paraphrases from Wikipedia's Revision History},
author = {Aurélien Max and Guillaume Wisniewski},
journal= {arXiv preprint arXiv:2202.12575},
year = {2022}
}
备注
Accepted at LREC'10