ACLFeb, 2022

走向更有意义的低资源语言资源

PDF
TL;DR介绍了关于开发与使用低资源语种有意义资源的立场，并分析了两个多语种资源的内容、质量以及注重使用该语种的用户开发这些资源的伦理问题，并提出了资源开发的指导方针。
lower-resourced languagesmultilingual resourceswikidatawikiannannotation
发现论文，激发创造
  • 在开发濒危语言技术时优先考虑社区需求，而非个人偏好

    讨论研究者和原住民语音社区成员在开发语言技术以支持濒危语言文档和振兴时所面临的独特技术、文化、实用和伦理挑战，并对未来学术研究者和语言社区利益相关者之间的合作提出建议。

    Apr, 2022

  • 低资源语言：现有工作回顾与未来挑战

    本文回顾了 NLP 领域中解决低资源语言问题的先前重要进展，并分析了未来研究方向中的潜在改进。

    Jun, 2020

  • 日耳曼语系低资源语言和方言语料库调查

    这篇论文对德国 ic 低资源语言变体的可用语料库进行了系统性调查，发现手工注释的语言资源稀缺，大多数仅涵盖形态和句法，但活跃的研究社区正在不断发展。作者还特意分享了超过 80 个语料库的大概率浏览与查看。

    Apr, 2023

  • 跨语言数据集构建与必要资源的综述

    该研究旨在量化语言资源之间的不平等性，并提出一些方法来改善低资源语言的数据收集，以促进未来的多语言数据发展。

    Nov, 2022

  • 低资源语言与在线知识库：一项需求调研研究

    研究通过对维基百科论坛讨论和对 14 个新手贡献者进行的环境调查，发现在低资源语言贡献者中存在一些问题，如在低资源语言中验证文章的资源匮乏以及语言技术支持（如翻译系统和拼写检查）导致多个错误从而浪费贡献者的时间。希望该研究能够支持设计师使在线知识库对低资源语言使用者更加可访问。

    May, 2024

  • 在真正的低资源语言上，对于低资源依赖分析的方法进行系统比较

    本文研究在少量训练数据的情况下，如何通过数据增强、跨语言训练和转写等策略提高处理低资源语言的分析器性能。在三种语言的实验中，发现数据增强和跨语言训练都能提高性能，而将高资源语料库中的字母转写成共享的拼写规则也很有帮助。

    Sep, 2019

  • 语言资源水平对文本数字处理的语境化

    通过对语言资源进行清晰的了解，并针对每个类别提供特征和特征的动机，本文开发了一个将语言划分为非常低资源语言、低资源语言、中资源语言、高资源语言和非常高资源语言的矩阵。通过对非洲语言进行语境化和增加对项目中所使用的语言所处范围的理解，可以提供助力于改善研究和实施项目规划等方面的帮助。因此，本文在低资源语言的背景下，论文认为在项目中将语言资源的特征划分为给定的规模是不可或缺的组成部分。

    Sep, 2023

  • Setswana 和 Sepedi 的低资源语言数据集创建、筛选和分类 -- 扩展摘要

    研究了自然语言处理技术在低资源语言中的应用，提出了用于塞茨瓦纳语和塞班语头条新闻的数据集及其用于新闻主题分类的基线模型，并探索了一种适合低资源语言的数据增强方法以提高分类器性能。

    Mar, 2020

  • 为濒危语言创建词汇资源

    本文旨在探讨为濒危语言生成词汇资源的方法，通过使用公共词网和机器翻译器构建双语词典和多语言词库，奠定了一个基础，尤其适用于缺乏资源的语言。

    Aug, 2022

  • 非资源语言机器翻译的参与式研究：非洲语言案例研究

    本文探讨了如何利用参与性研究，将机器翻译 (MT) 技术应用于非洲语言，以解决 NLP 在地理分布上欠缺多样性并实现 NLP 的规模化问题。我们提出了一种可行性高并可扩展的情境下的参与式研究方案，其使非专业人员也能对 MT 技术的开发做出独特的科学贡献，并制定了适用于 30 多种语言的 MT 基准。

    Oct, 2020