本文展示了针对多种语言的数据的分析在计算语言学界越来越受欢迎。 作者提供代码交换（C-S）的调查，涵盖了语言学文献中的关键问题，并从欧洲和印度等高度多语言区域的文献中着重讨论 C-S 结构和功能模式的概述。 此外，作者还讨论了如何使大规模语言模型失败以代表各种 C-S 类型，以及如何缺乏跨多语言情况和 C-S 类型导致缺乏强大的评估基准以及覆盖 C-S sociolinguistic 方面的端到端系统。

Jan, 2023

本研究旨在通过对双语者的用户研究来预测他们的语码切换行为，探讨不同因素对语码切换行为的影响，结果表明说话人之间的关系、旅游经历以及神经质和外向性人格特征会影响语码切换行为。

Jul, 2022

本文通过大量实证研究探索了多语言大型语言模型在涉及语种切换的情况下情感分析、机器翻译和单词级别语言识别等任务的表现。研究显示，虽然这些模型在使用零 / 少量提示时在某些任务中表现出色，但与较小的微调模型相比，它们的性能仍然有所不适。因此，研究者认为未来需要进一步研究来完全弥合这一差距。

May, 2023

在埃及阿拉伯语 - 英语混合代码生成中，我们比较了词汇替换、语言理论和回译三种流行的增强方法，通过人工评估评估了这些方法在机器翻译上的效果和增强质量。结果显示，基于回译和基于代码交替预测的词汇替换方法在两个任务中表现最佳，而在缺少代码交替并行数据的情况下，语言理论和随机词汇替换方法实现了类似的结果。

Oct, 2023

通过建立代码切换语料库的应用，我们研究了代码切换语言识别，考虑到多种语言和较简单的模型架构以实现更快速推理。我们将任务重新定义为句子级多标签标注问题，以使其更易处理，并提出反映所需性能的度量指标。我们通过实证实现表明当前的方法都不足够，并在这一领域提供未来工作的建议。

Feb, 2024

通过生成合成的 CSW GEC 数据集并选择 CSW 比例、转换点因素和语言约束进行研究，我们的研究探索了将 GEC 系统应用于 CSW 文本的方法，最佳模型在多个 CSW 测试集上取得了平均增长 1.57 的 F0.5，同时对单语数据集的性能没有影响，并发现在一个 CSW 语言上训练的模型相对于其他类型相似的 CSW 语言具有较好的泛化能力。

Apr, 2024

本文基于随机词汇替换和等价约束，利用对齐翻译对生成随机合法的混合语言内容进行零样本学习，以解决跨语言语音识别中数据稀缺性、语法结构复杂性和领域匹配问题，实验结果显示，所提出的方法在两个生态有效的混合语言测试集上相对降低了 65.5% 的语言模型困惑度和 7.7% 的 ASR WER，而采用等价约束的人类评估表明，80% 以上的内容质量足够。

Jan, 2022

本文研究如何使用深度学习方法提高混合语言识别的准确性，提出了包括使用 Residual CNN+GRU 模型，以及使用自动语音识别（ASR）作为辅助任务的多任务预训练方法等两种有效方法，并且通过使用单语语料库以及数据上采样等方法来创造真正的混合语言数据集，最终实验结果显示，本文提出的模型在英汉混合语言语音识别准确度上超过了之前的基准模型约 55.3%。

May, 2023

该研究聚焦于实时交流中的语种转换问题以及第三种语言的翻译，并通过将现有数据集扩展到西班牙语和德语，训练了离线和实时语音翻译模型，并建立了基准结果。

Oct, 2023

该论文探讨了码络转换问题，着重分析了多语种模型的性能问题和缺乏已注释数据的问题， 并通过自我训练方法，提出了在利用无标注数据的情况下利用预训练模型解决这些问题的方法。

Nov, 2021