MorisienMT：一个毛里求斯克里奥尔语机器翻译数据集
计算与语言
2022-06-07 v1
摘要
在本文中，我们描述了 MorisienMT，一个用于评测毛里求斯克里奥尔语机器翻译质量的数据集。毛里求斯克里奥尔语（Morisien）是毛里求斯共和国的通用语，是一种基于法语的克里奥尔语。MorisienMT 由英语与 Morisien、法语与 Morisien 的平行语料库以及 Morisien 的单语语料库组成。我们首先概述 Morisien，然后描述创建语料库及由此划分训练集与评估集的步骤。此后，我们利用所创建的平行语料库以及大型法语—英语语料库进行迁移学习，建立了多种基线模型。我们公开发布数据集以供研究，并希望此举推动 Morisien 机器翻译的研究。
引用
@article{arxiv.2206.02421,
title = {MorisienMT: A Dataset for Mauritian Creole Machine Translation},
author = {Raj Dabre and Aneerav Sukhoo},
journal= {arXiv preprint arXiv:2206.02421},
year = {2022}
}
备注
Work in progress! (obviously) Dataset is here: https://huggingface.co/datasets/prajdabre/MorisienMT