该论文描述了一种基于词汇类型学知识来增强词汇资源与语言多样性相关内容的方法，通过半自动化的系统方法来推断词汇差距，从而建立一个包含 198 个领域概念、1911 个单词和 37370 个差距的词汇语义资源，该资源涵盖了 699 种语言，并说明了该资源对于改善跨语言 NLP 任务具有潜在价值。同时，为证明该资源的可行性，利用该词库开发了一个 MT 系统评估程序。

Apr, 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

提出了一种评估数据集语言多样性的方法，通过比较语言特征集合的 Jaccard 指数来分析，发现大部分流行的多语种数据集中缺乏多种语言类型，特别是 (poly) synthetic languages。

Mar, 2024

通过探索与语言的亲缘关系、接触领域、普遍性或偶然性相关的词汇联合，本研究通过构建大规模图表，包含语义、亲缘、音系和地理数据，从而揭示了亲缘稳定性和接触引起的变化对跨语言相似性的语言学影响。该研究支持了语言学领域先前的一个假设，并提供了反证证据，为跨学科研究，例如多语言自然语言处理和比较语言学，提供了一个开放的研究资源。

Jan, 2024

研究探讨了语言接触中主导语言对被介入语言的影响，通过使用三种方法（其中包括两种传统的序列比较方法和一种机器学习方法）在拉丁美洲七种常常和西班牙语有大量交流和借词的语言中测试新型的词汇借用检测方法，并通过检测中的误差反映出通过考虑来自受体语言不同意义的捐赠词汇可以大大提高借贷检测的精度。

Feb, 2023

该论文介绍了 Universal Knowledge Core (UKC)，它是一个大型多语种词汇数据库，关注语言多样性，涵盖 1000 多种语言。该数据库旨在使人类更容易理解语言多样性，并使机器更易于利用交叉语言应用程序。

Mar, 2022

该论文通过对 NLP 领域不同语言间存在的差异进行综合分析，基于现有的说话人口和活力等方面的语言分类，研究数据资源、NLP/CL 研究、多语言网络平台和预训练多语言模型的分布情况，发现许多语言并未被覆盖，同时明显存在差异，对此提出了一些原因和建议。

Oct, 2022

AI 技术中的语言偏见是研究和开发方法论不公正的结果，我们提出了一项新的倡议，旨在通过技术设计和方法论，与当地社区进行眼球级的合作，减少语言偏见。

Jul, 2023

本文通过考察各种语言在 NLP 会议上的代表情况以及它们之间的资源差异等多方面，旨在呼吁 ACL 社区关注当前语言技术和应用中存在的不平等现象，提高关注和支持那些缺乏资源的语言，推动语言技术和多语言交流的发展。

Apr, 2020

本文从实证及计算两方面主要探讨使用更多的语言类型学数据作为语言史前迁徙、语言之间深层系统关系及语言交互模式更准确研究和预测的可行性，重点解决了实证方法、计算模拟等方面的问题，并得出通过语言类型学数据能得出新的语言史前迁徙证据的结论。

Jul, 2006