PHINC：用于机器翻译的并行Hinglish社交媒体码混语料库
计算与语言
2020-04-21 v1
摘要
码混是在一个句子中使用多于一种语言的现象。它是社交媒体平台上非常频繁观察到的交流模式。在一条文本消息中灵活使用多种语言可能有助于与目标受众高效沟通。但是，它大大增加了处理和理解自然语言的挑战。本文呈现了13,738个码混英语-印地语句子及其对应英文翻译的并行语料库。句子的翻译由标注者手动完成。我们发布该并行语料库以促进码混机器翻译的未来研究机会。标注语料库可在 https://doi.org/10.5281/zenodo.3605597 获取。
引用
@article{arxiv.2004.09447,
title = {PHINC: A Parallel Hinglish Social Media Code-Mixed Corpus for Machine Translation},
author = {Vivek Srivastava and Mayank Singh},
journal= {arXiv preprint arXiv:2004.09447},
year = {2020}
}