研究者发布波斯语-英语混合语料库PERCEPT

研究者 Ghazal Kalhor 等人发布 PERCEPT，称其为首个公开的大规模波斯语-英语代码混合语料库，为混合词标注 Universal Dependencies 词性（POS）标签。 数据集包含从 Twitter（X）、Instagram 和 Digikala 采集的 6,800 条帖子，每条至少含一个波斯语-英语混合词，并配套一套由大语言模型辅助的标注框架，自动分配 POS 标签和文档级主题。PERCEPT 已公开，具体获取地址见论文。 “首个公开”“大规模”等定位出自作者在论文中的表述。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。