本文关注代码切换社交媒体数据的机器翻译，在监督和非监督环境下提供了英语 - 印地语 - 英语（英 - 汉格利什）、英语 - 西班牙语 - 英语（英 - 西班格利什）和英语 - 现代标准阿拉伯语 - 埃及阿拉伯语（英 - 埃语）的语言对，分享了共同创作语言评估数据时的见解和挑战，并为共享任务中的所有语言提供了基线。在共享任务的排行榜中，共有来自 5 个不同团队的 12 个系统提交。其中最佳表现分别为英语到印地语的 12.67% BLEU 分数和现代标准阿拉伯语 - 埃及阿拉伯语到英语的 25.72% BLEU 分数。

Feb, 2022

本文重点研究了语言代码转换下社交媒体上的命名实体识别 (NER) 问题，并将其分为两个子任务，分别针对英语 - 西班牙语 (ENG-SPA) 和现代标准阿拉伯语 - 埃及语 (MSA-EGY) 语言对。使用 Twitter 数据和 9 种实体类型建立了一个新的数据集，用于 code-switched NER 基准测试。最终的比赛得分分别为 63.76% 和 71.61%。本文还讨论了参与者提交方案中最常见的挑战。

Jun, 2019

GUA-SPA 是 IberLEF 2023 的第一个共享任务，通过标注一份从新闻文章和推文中提取的 1500 个文本的语言切换信息，涵盖 25,000 个标记，任务涉及令牌语言识别、命名实体识别和在混合语境中划分西班牙文范围的新任务。参与评估的三支团队在任务 1 取得了良好的结果，而任务 2 和任务 3 的结果则较为复杂。

Sep, 2023

本研究提出了一种基于多任务学习的语言模型，其共享语言的语法表示，从而利用语言学信息并解决低资源数据问题，通过同时学习语言建模和语音标记来识别代码切换点的位置并改进下一个词的预测，实验表明该方法在 SEAME Phase I 和 Phase II 数据集上的困惑度分别提高了 9.7% 和 7.4%，优于基于标准 LSTM 的语言模型。

May, 2018

通过建立代码切换语料库的应用，我们研究了代码切换语言识别，考虑到多种语言和较简单的模型架构以实现更快速推理。我们将任务重新定义为句子级多标签标注问题，以使其更易处理，并提出反映所需性能的度量指标。我们通过实证实现表明当前的方法都不足够，并在这一领域提供未来工作的建议。

Feb, 2024

该研究介绍了 ASRU 2019 普通话 - 英语代码转换语音识别挑战赛，旨在提高普通话 - 英语代码转换情况下的 ASR 性能。参与者可以使用 500 小时标准普通话语音数据和 240 小时普通话 - 英语混合语音数据。本文总结了三个跟踪中的结果以及系统性能，并讨论了模型训练和方法比较的其他细节。

Jul, 2020

本文研究如何使用深度学习方法提高混合语言识别的准确性，提出了包括使用 Residual CNN+GRU 模型，以及使用自动语音识别（ASR）作为辅助任务的多任务预训练方法等两种有效方法，并且通过使用单语语料库以及数据上采样等方法来创造真正的混合语言数据集，最终实验结果显示，本文提出的模型在英汉混合语言语音识别准确度上超过了之前的基准模型约 55.3%。

May, 2023

本文介绍了 ISCSLP 2022 中英文混合自动语音识别（CSASR）挑战赛，包括训练集、开发集和测试集等数据，以及参赛队伍的表现和技术。其中获胜队伍在测试集上取得了 16.70% 的混合误差率（MER）表现，并且相对基准系统取得了 9.8% 的 MER 绝对改善。

Oct, 2022

介绍了 NADI 2021 第二次 Nuanced 阿拉伯方言识别共享任务的研究结果，该任务包括四个子任务：国家级 Modern Standard Arabic (MSA) 识别、国家级方言识别、省份级 MSA 识别和省份级子方言识别，并介绍了数据集和参与者情况。

Mar, 2021

本篇论文综述了多语言社区中通用的一种交际现象 —— 语码转换，并且概述了计算机语言处理的方法。同时该文阐述了处理语码转换的语音和自然语言处理在建立智能代理和与多语言社区用户的交互系统中的重要作用，发现语码转换数据和资源的稀缺性，并列出了可利用的各种编码语言对及相应的自然语言处理任务。最后，概述了语码转换在各种语音和自然语言处理应用中的研究，并对该领域的未来方向和问题进行了总结。

Mar, 2019