该研究提出了一种隐私保护的工作流程，通过集成语音活动检测（VAD）、自动语音识别（ASR）等技术，提高对受保护语言音频数据的注释效率。该流程旨在为那些使用英语等共同语言进行元语言评论和提问的语音录音解决元语言转录上的问题。研究结果表明匹配得当的这种方法可以在保持数据私密原则的前提下加速记录的元语言转录，并有效减少了数据浏览和筛选的时间。

Apr, 2022

本文回顾了多语义 Web 中的语言多样性建模选项，通过对 9 种主要方法进行比较，从 BioPortal 和 LOV 存储库中提取了可访问的本体，并评估了 7 个相关本体编辑器对于管理多语言本体的工具支持。

Oct, 2022

在多语言词汇数据库中，主要的世界语言表达不完整，数据结构的限制导致文化特定单词的表达能力降低，尤其是英语这样的主导语言以更准确的方式表示词汇意义空间，而语言或文化多样性的语言以近似的方式映射。本文评估了最先进的多语言词汇数据库，并评估其在语言多样性的词汇现象上的表达能力的优点和局限性。

Jan, 2023

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

本研究聚焦于解决卡塔尔移民工人与医务人员之间的语言障碍问题，尤其是通过开发一种真实可行的印地语 - 英语机器翻译系统来提高医生和患者之间的交流质量，我们采用了各种方法来收集适合的训练数据，并成功地通过生成合成变量的方法自动扩充训练数据，从而实现了 BLEU 分数绝对值提高超过 3 分。

Oct, 2016

该研究针对代码混合文本的词级别语言识别问题，构建了 CoLI-Kenglish 数据集，利用机器学习、深度学习和迁移学习方法建立和评估了 CoLI-vectors、CoLI-BiLSTM 和 CoLI-ULMFiT 学习模型，研究结果表明 CoLI-ngrams 模型在所有模型中取得了最好的效果。

Nov, 2022

开发了 MayanV 数据集并提供了神经机器翻译模型，这些模型在许多 Mayan 语言资源上进行了训练，并且在 MayanV 数据集上进行了评估，研究发现了不同方言之间的词汇差异，并且其他资源似乎不能提高翻译性能。

Apr, 2024

该研究提出了一种用于生成马拉地语 - 英语混合文本的算法，并通过 Code Mixing Index（CMI）和 Degree of Code Mixing（DCM）指标进行评估，结果表明该算法能够生成有效和可理解的混合语句子，为多语社会中的语言差距提供了潜在的增强 NLP 工具的可能性。

Sep, 2023

这篇论文介绍了一个收集自非洲 Bantu C25 语族中的一种语言 Mboshi 的语音语料库，在几乎零的资源条件下构建了该语料库，并利用其中的数据完成了口语术语发现。该论文讨论了如何收集，清理和处理数据，并将该数据集提供给社区进行可重现的计算语言文献研究和评估。

Oct, 2017

本文提出了一种自动创建低资源语言，特别是资源贫乏和濒危语言的大量新双语词典的方法，使用一个单一的输入双语词典生成目标语言的单词翻译，依赖于 Wordnets 和机器翻译器（MT）。

Aug, 2022