SIGHAN15

该数据集是一个用于评估中文语法错误校正（CGEC）的基准数据集，其中包含2,339个样本用于训练，以及1,100个样本用于测试。它被广泛用作衡量模型性能的基准数据集。该数据集的规模为训练样本2,339个，测试样本1,100个，针对的任务是中文语法错误校正。

This dataset is a benchmark dataset for evaluating Chinese Grammatical Error Correction (CGEC), which contains 2,339 samples for training and 1,100 samples for testing. It is widely used as a benchmark to measure model performance. The dataset has 2,339 training samples and 1,100 test samples, targeting the task of Chinese Grammatical Error Correction.

搜集汇总

背景与挑战

背景概述

SIGHAN15是SIGHAN 2015 Bake-off的中文拼写检查任务数据集，由国立台湾师范大学和国立台湾大学等机构组织，用于评估和推动中文拼写检查技术的研究。该数据集包含带黄金标准注释的数据和评估工具，公开可用但仅限于学术研究，需遵守非商业使用协议并引用相关论文。