Many Czech References for 50 Sentences Selected from WMT11 Data

  Autoři

Bojar, Ondřej ; Macháček, Matouš ; Tamchyna, Aleš and Zeman, Daniel

  Identifikátor

http://hdl.handle.net/11858/00-097C-0000-0023-10B2-F

 Datum vydání

2013-09-01

 Typ

corpus, text

 Velikost

15431447 sentences

 Jazyky

Czech

 Popis

This dataset contains the whole set of very many Czech translations for 50 English source sentences coming from WMT11 test set (http://www.statmt.org/wmt11). In total, there are 15431447 Czech sentences, i.e. 300k reference translations per source English sentence on average, but the exact number greatly varies across sentences. You can find more details in included README file. If you use this dataset, please cite the following paper which describes the technique used to construct the Czech translations: Bojar Ondřej, Macháček Matouš, Tamchyna Aleš, Zeman Daniel: Scratching the Surface of Possible Translations. Lecture Notes in Computer Science, Vol. 8082, Text, Speech and Dialogue: 16th International Conference, TSD 2013. Proceedings, Copyright © Springer Verlag, Berlin / Heidelberg, ISBN 978-3-642-40584-6, ISSN 0302-9743, pp. 465-474, 2013, DOI: 10.1007/978-3-642-40585-3_59

 Nakladatel

Charles University, Faculty of Mathematics and Physics, Institute of Formal and Applied Linguistics (UFAL)

 Sponzoři

Grantová agentura České republiky

Kód projektu: GAP406/11/1499

Jméno projektu: Čeština ve věku strojového překladu

 

European Union

Kód projektu: FP7-ICT-2011-7-288487

Jméno projektu: MosesCore

 

Grantová agentura Univerzity Karlovy v Praze

Kód projektu: GAUK 13562/2013

Jméno projektu: Využití mnohonásobných referencí ve strojovém překladu

 Klíčová slova

machine translation automatic machine translation evaluation reference translation

 Kolekce

LINDAT / CLARIAH-CZ Data & Tools

Zobrazit celý záznam