|
|
--- |
|
|
license: cc-by-4.0 |
|
|
language: |
|
|
- zh |
|
|
- ug |
|
|
- bo |
|
|
- en |
|
|
--- |
|
|
|
|
|
# CUTE Dataset |
|
|
|
|
|
CUTE (Chinese, Uyghur, Tibetan, English) 是一个大规模多语言数据集，专门设计用于增强低资源语言的跨语言知识迁移。数据集包含平行语料和非平行语料两部分，总规模约50GB。 |
|
|
|
|
|
## 数据集组成 |
|
|
|
|
|
### 平行语料 (24.70GB) |
|
|
- 中文：2.62GB |
|
|
- 英语：3.49GB |
|
|
- 维吾尔语：7.37GB |
|
|
- 藏语：11.22GB |
|
|
|
|
|
### 非平行语料 (25.80GB) |
|
|
- 中文：2.64GB |
|
|
- 英语：3.49GB |
|
|
- 维吾尔语：7.77GB |
|
|
- 藏语：11.90GB |
|
|
|
|
|
## 数据质量 |
|
|
|
|
|
数据集通过机器翻译生成，并经过人工评估验证： |
|
|
- 中英翻译平均得分：9.1 |
|
|
- 中维翻译平均得分：8.5 |
|
|
- 中藏翻译平均得分：8.6 |
|
|
|
|
|
## 使用说明 |
|
|
|
|
|
### ⚠️ 平行语料重要提醒 |
|
|
|
|
|
**关于句对级对齐：** |
|
|
- 四种语言的txt文件行数略有不同（如论文Table 2所示） |
|
|
- 这是由于机器翻译过程中偶现的翻译行数不一致导致的（例如：一行中文可能翻译成两行维吾尔语） |
|
|
- 目前只能保证**文档级平行**，无法实现严格的**句对级平行** |
|
|
|
|
|
**数据特点：** |
|
|
- 四种语言的文档整体平行度达到 99.98% |
|
|
- 句子顺序可能存在错乱，但不影响大语言模型预训练 |
|
|
- 适用于多语言预训练任务，而非句对级翻译任务 |
|
|
|
|
|
## 相关链接 |
|
|
|
|
|
- 📝 [论文](https://aclanthology.org/2025.coling-main.670/) |
|
|
- 🤖 [模型](https://huggingface.co/CMLI-NLP/CUTE-Llama) |
|
|
- 📂 [GitHub](https://github.com/CMLI-NLP/CUTE) |
|
|
|
|
|
## 引用 |
|
|
|
|
|
如果您使用了我们的数据集，请引用我们的论文： |
|
|
|
|
|
```bibtex |
|
|
@inproceedings{zhuang2025cute, |
|
|
title={CUTE: A Multilingual Dataset for Enhancing Cross-Lingual Knowledge Transfer in Low-Resource Languages}, |
|
|
author={Zhuang, Wenhao and Sun, Yuan}, |
|
|
booktitle={Proceedings of the 31st International Conference on Computational Linguistics}, |
|
|
pages={10037--10046}, |
|
|
year={2025} |
|
|
} |
|
|
``` |
