BriefGPT - AI 论文速递
·
COMI-LINGUA: Expert Annotated Large-Scale Dataset for Hindi-English Code-Mixing
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本研究提出了COMI-LINGUA，一个大型手动标注的数据集，旨在捕捉印地语与英语代码混合的语言细微差别。通过对100,970个实例的专家评估，揭示了现有多语言建模策略的局限性，并强调了改进代码混合文本处理能力的必要性。
🎯
关键要点
-
COMI-LINGUA是一个大型手动标注的数据集，旨在捕捉印地语与英语代码混合的语言细微差别。
-
该数据集包含100,970个实例，经过专家评估。
-
研究揭示了现有多语言建模策略的局限性。
-
强调了改进代码混合文本处理能力的必要性。
➡️
