介绍一份包含 1989 年到 2020 年希腊议会文件中逾 1 百万场政治演讲及其元数据的数据集，为解决无资源语言（如希腊）的大规模、历时政治话语数据而构建，可供计算语言学和政治分析使用，如研究词语用法随时间、历史事件和政党变化而变化，以及使用算法来探测语义转移。

Oct, 2022

本论文旨在为希腊自然语言处理（Greek NLP）领域开发一个基于语言学动机和技术相关的评估套件，通过引入四个专家验证的评估任务来实现这一目标，这些任务特别针对自然语言推理、词义消歧（通过示例比较或意义选择）和隐喻检测。同时，我们贡献了两个创新，既是我们推理数据集是首个标注所有可能的推理标签的数据集，也是通过使用 ChatGPT 作为语言中立的解析器以成本效率高的方式获取到面向资源不足语言的数据集。通过对每个任务进行实验，使用现有的最先进技术，我们确认了任务的挑战性，并强调希腊 NLP 生态系统需要加速进展以与当代主流研究保持同步的需求。

Sep, 2023

本研究介绍了一个新的，用于识别希腊话剧中情感的公共数据集 GreThE，并通过各种机器和深度学习框架以及一些在情感识别领域中广泛使用的数据库的实验结果来讨论该分类技术。通过在希腊话剧中获取多个讲话记录并进行多人注释，最终生成了真实情感分类数据。

Mar, 2022

利用机器学习方法，我们在希腊文献学领域解决了诸多问题。在使用最大的古希腊数据集训练 BERT 模型后，我们成功鉴别并纠正了文本传承过程中刻写员以往未能发现的错误，同时证明了该模型填补古代手稿材料损伤造成空缺的能力，并与领域专家的表现进行了比较。我们发现，在启发领域专家的模型建议的支持下，最佳表现可得。在考虑到人机协作的同时，我们还探索了模型的可解释性，并发现一些注意力头似乎对古代希腊语的某些语法特征进行了编码。

May, 2023

通过使用弱监督方法构建大规模语料库，本研究在语音技术方面证实了通过增加数据量和模型规模来提高 ASR 性能的成效，进一步推动了资源匮乏语言的语音技术发展。

Jun, 2024

本文介绍了一个新的跨方言语音数据集，用于英语印度、尼日利亚和美国口音。该数据集通过提示参与者执行一系列短的信息分享任务来平衡开放式对话和面向任务的对话，以促进量化的跨方言比较，并避免对方言特征表现的限制性任务结构的强制性。初步分析表明该数据集在语法和话语标记的使用上有显着差异。该数据集包括超过 20 个小时的音频和超过 200,000 个正字法转录的标记，并已公开发布。

May, 2023

利用神经网络机器学习算法，开发了一种自动化方法用于检测儿童发展性语言障碍，通过感知和产出数据对模型进行训练，并且获得了较高的准确性以及对于儿童语言发展技能的重要性。

Nov, 2023

本文探讨了创建和分析用于数据挖掘和文本分析研究的新数据集，为利兹大学国家方言语料库的联合研究项目做出了贡献。研究使用机器学习分类器对各个法语国家的法语方言文本样本进行分类，并遵循 CRISP-DM 方法论的步骤对数据进行了采集、质量问题和文本分析数据转换的探索。最后，在应用适当的数据挖掘技术后，讨论了评估方法、最佳特征和分类器以及结论。

Aug, 2022

该研究针对互联网社区和社交媒体平台中的恶意内容问题，在英语研究有限的情况下，通过希腊注释数据集 OGTD，评估了几个计算模型，以便识别 Twitter 上的带攻击性的帖子和不带攻击性的帖子。

Mar, 2020

本研究旨在为希腊语言提供情感分类，通过使用单语和多语言资源进行微调和评估 Transformers 模型，并通过在希腊议会记录中检测及研究 “厌恶” 情感，探讨了这些模型的潜力以及对使用用于污名化人的词语的情感背景转换进行了研究。

May, 2022