填补空白！首个沃洛夫语-阿拉伯语金标准语料库问世，微调后翻译性能显著飙升
MudawanSn: A Gold-Standard Wolof-Arabic Parallel Corpus for Machine Translation
📖 AI 总结
该研究发布了MudawanSn，一个沃洛夫语与现代标准阿拉伯语之间的高质量平行语料库，包含1271个经人工翻译的句对齐句对，源文本取自MasakhaNER语料库，内容涵盖塞内加尔新闻中的政治、社会、宗教和体育话题。研究指出，尽管FLORES-200和NTREX等多语言资源同时包含沃洛夫语和阿拉伯语，但此前尚无专门针对这一语言对的公开平行语料库。作者详细描述了语料库构建流程、句对齐方法和质量控制机制，并对四种机器翻译系统进行了基准测试。结果显示，在MudawanSn上微调可显著提升双向翻译性能，表现最佳的AfriNLLB-12模型在沃洛夫语到阿拉伯语方向达到7.76 BLEU和30.72 chrF++，反向达到8.75 BLEU和33.08 chrF++。该语料库以CC BY-NC许可公开，填补了低资源语言对翻译资源的空白。
🔑 关键词速览
| MudawanSn | 本文提出的沃洛夫语-现代标准阿拉伯语人工翻译平行语料库，包含 1,271 个句子对齐对。 |
| Wolof | 沃洛夫语，塞内加尔的主要民族语言，属于尼日尔-刚果语系。 |
| Modern Standard Arabic (MSA) | 现代标准阿拉伯语，阿拉伯语国家的官方书面语和标准变体。 |
| BLEU | 双语评估替补分数，一种基于 n-gram 精确匹配的机器翻译自动评价指标。 |
| chrF++ | 一种基于字符 n-gram 的机器翻译评价指标，对形态丰富的语言尤为适用。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅