ParaCotta：基于最多样翻译样本对合成的多语言释义语料库
计算与语言
2022-05-11 v1
摘要
我们发布了跨 17 种语言的合成平行释义语料库：阿拉伯语、加泰罗尼亚语、捷克语、德语、英语、西班牙语、爱沙尼亚语、法语、印地语、印度尼西亚语、意大利语、荷兰语、罗马尼亚语、俄语、瑞典语、越南语和汉语。我们的方法仅依赖单语数据和神经机器翻译系统来生成释义，因此易于应用。我们使用束搜索生成多个翻译样本，并根据句子 BLEU 选择词汇最多样的样本对。我们将生成的语料库与 \texttt{ParaBank2} 进行比较。根据我们的评估，我们的合成释义对在语义上相似且在词汇上多样。
引用
@article{arxiv.2205.04651,
title = {ParaCotta: Synthetic Multilingual Paraphrase Corpora from the Most Diverse Translation Sample Pair},
author = {Alham Fikri Aji and Tirana Noor Fatyanosa and Radityo Eko Prasojo and Philip Arthur and Suci Fitriany and Salma Qonitah and Nadhifa Zulfa and Tomi Santoso and Mahendra Data},
journal= {arXiv preprint arXiv:2205.04651},
year = {2022}
}
备注
10 pages, 3 figures, 6 tables. Accepted at PACLIC 2021. (ACL Anthology link: https://aclanthology.org/2021.paclic-1.56/)