加泰罗尼亚语加入大规模多语言NLU数据集

某中心将加泰罗尼亚语加入MASSIVE数据集

今年早些时候，某中心发布了MASSIVE数据集——一个包含100万条记录的自然语言理解（NLU）数据集，由人工翻译的话语组成，涵盖51种语言、18个领域、60种意图和55种槽位类型。现宣布发布MASSIVE 1.1版本，其中包含加泰罗尼亚语的新数据。

MASSIVE 1.1的下载说明可在Github仓库alexa/massive中找到。该数据集也可从Hugging Face获取。有关数据集的更多信息，请参阅相关论文。

加泰罗尼亚语数据的直接用户是巴塞罗那超级计算中心。该中心文本挖掘单元的研究员Carlos Rodríguez Penagos表示：“致力于为加泰罗尼亚语创建先进AI基础设施的Project AINA，对某中心将我们的语言纳入MASSIVE 1.1数据集感到非常兴奋。这对于能够以用户母语流畅对话的数字助手和聊天机器人是一大进步，也是现代数字生态系统的关键需求。某中心将加泰罗尼亚语添加到MASSIVE数据集中，对于迄今为止在日常使用的在线平台中代表性不足的语言来说是个好消息。我们将把此任务添加到CLUB（加泰罗尼亚语言理解基准）中，这是该语言的AI性能参考。感谢某中心这一重要举措。”

期待看到MASSIVE 1.1在加泰罗尼亚语及所有52种包含语言中的应用，继续推进理解世界所有语言的技术发展。

欢迎参加12月7日与自然语言处理实证方法会议（EMNLP）共同举办的大规模多语言自然语言理解（MMNLU）研讨会。

致谢：感谢以下人员为MASSIVE执行加泰罗尼亚语数据收集工作：Ana Sanchez、Aaron Nash、Liam Urbach、Wouter Leeuwis、Christopher Hench、Charith Peris、Kay Rottmann、Gokhan Tur和Prem Natarajan。
更多精彩内容 请关注我的个人公众号 公众号（办公AI智能小助手）或者 我的个人博客 https://blog.qife122.com/
公众号二维码