イティハサ：サンスクリット語から英語への翻訳を目的とした大規模コーパス

本研究では、『リマヤナ』と『マハーバーラタ』の2つのインド伝説的叙事詩から抽出されたサンスクリット語の詩（シュロカ）とその英語訳の対を93,000組含む大規模翻訳データセット「Itihasa」を紹介する。まず、このようなデータセットの構築に至った動機を述べ、その後、その特徴を明らかにするための実証的分析を実施する。さらに、標準的な翻訳モデルがこのコーパス上でどのように性能を発揮するかをベンチマークし、現状の最先端Transformerアーキテクチャですら劣った結果を示すことで、本データセットが持つ極めて高い複雑性を強調している。