ACLApr, 2022

在开发濒危语言技术时优先考虑社区需求，而非个人偏好

PDF
TL;DR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。
low-resource languageslanguage technologyendangered languagescollaborationlinguistic diversity
发现论文，激发创造
  • 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

  • 非计划和濒危印度语言的语言资源和技术

    对印度非计划和濒危语言可用的语言资源和技术进行了调查，发现除了《印度宪法》规定的 22 种语言（称为计划语言）之外，几乎没有实质性的资源或技术可用，该研究概述了印度宪法第 8 编排除的印地语以外的印度语言和濒危语言的语言资源和技术。

    Apr, 2022

  • 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

  • 走向更有意义的低资源语言资源

    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。

    Feb, 2022

  • 美洲土著语言的语言技术挑战

    本文回顾了关于美洲土著语言的研究、数字资源和现有的自然语言处理（NLP）系统。并呼吁在像美洲一样语言丰富和多样的区域开展 NLP 研究，以解决诸如远离语言和资源匮乏等主要挑战和研究问题。

    Jun, 2018

  • 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

  • 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

  • 克里奥尔人想要什么，克里奥尔人需要什么

    本文探讨了低资源语言社区中克里奥尔语言的需要，发现不同的语言社区对语言技术的需求存在巨大差异，并强调没有社区参与是无法构建有用的语言技术的。

    Jun, 2022

  • 技术干预在低资源语言中的应用：提升贡迪语信息获取能力的经验教训

    通过技术驱动的数据收集方法，我们创建了超过 60,000 条从印度南部和中部约 2.3 百万部落人口使用的低资源易失语言之一贡迪语到印地语的翻译数据，不仅创建了 26,240 条印地语 - Gondi 语的翻译语料库，还参与了近 850 名社区成员，让 Gondi 语进入互联网领域。

    Nov, 2022

  • 全球训练，定制本地化：极简多语翻译应用于濒危语言

    针对严重低资源语言，我们使用两种方法以尽可能高的质量翻译跨语言已知的有限文本，结果表明，首先将大型预训练的多语言模型适应到有限的文本领域 / 语言，然后再针对严重低资源语言进行调整表现最好。选择最佳的种子句也可以进一步提高翻译质量，同时将种子句数量降至约 1000 句。

    May, 2023