WIT تعني نص الصورة المستند إلى ويكيبيديا، وهي عبارة عن مجموعة بيانات كبيرة متعددة الوسائط ومتعددة اللغات. تتكون مجموعة البيانات من مجموعة مختارة من 37.6 مليون مثال لصور ونصوص غنية بالكيانات، تحتوي على 11.5 مليون صورة فريدة بـ 108 لغة من لغات ويكيبيديا. حجم هذه المجموعة من البيانات يجعلها مناسبة للاستخدام كمجموعة بيانات تدريب مسبق لنماذج التعلم الآلي المتعددة الوسائط. تتمتع WIT بأربع مزايا فريدة:

• WIT هي أكبر مجموعة بيانات متعددة الوسائط من حيث عدد أمثلة الصور والنصوص.
• يغطي هذا الكتاب أكثر من 100 لغة (مع ما لا يقل عن 12000 مثال لكل لغة)، كما يتم توفير نص متعدد اللغات للعديد من الصور.
• بالمقارنة مع مجموعات البيانات السابقة، يمثل WIT مجموعة أكثر تنوعًا من المفاهيم والكيانات في العالم الحقيقي.
• يوفر WIT مجموعة اختبارات واقعية صعبة للغاية.

الاستشهاد

@inproceedings{10.1145/3404835.3463257, المؤلفون = {سرينافسان، كريشنا ورامان، كارتيك وتشين، جيكاو وبيندرسكي، مايكل وناجورك، مارك}, العنوان = {WIT: مجموعة بيانات نصية صورية قائمة على ويكيبيديا للتعلم الآلي متعدد الوسائط ومتعدد اللغات}, السنة = {2021}، رقم ISbn = {9781450380379}, الناشر = {رابطة آلات الحوسبة}، العنوان = {نيويورك، نيويورك، الولايات المتحدة الأمريكية}، url = {https://doi.org/10.1145/3404835.3463257}, doi = {10.1145/3404835.3463257}, عنوان الكتاب = {وقائع المؤتمر الدولي الرابع والأربعين لجمعية ACM SIGIR حول البحث والتطوير في مجال استرجاع المعلومات}، الصفحات = {2443–2449}، عدد الصفحات = {7}، الكلمات المفتاحية = {مجموعة البيانات، متعدد الوسائط، التعلم الآلي، ويكيبيديا، متعدد اللغات، استرجاع النصوص من الصور، الشبكات العصبية} الموقع = {حدث افتراضي، كندا}, السلسلة = {SIGIR '21} }