May, 2024

低资源语言与在线知识库：一项需求调研研究

PDF
TL;DR研究通过对维基百科论坛讨论和对 14 个新手贡献者进行的环境调查，发现在低资源语言贡献者中存在一些问题，如在低资源语言中验证文章的资源匮乏以及语言技术支持（如翻译系统和拼写检查）导致多个错误从而浪费贡献者的时间。希望该研究能够支持设计师使在线知识库对低资源语言使用者更加可访问。
发现论文，激发创造
  • 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

  • 在开发濒危语言技术时优先考虑社区需求，而非个人偏好

    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。

    Apr, 2022

  • 开放韩国语料库：实用报告

    本文介绍了韩语语料库的资源开发、开放数据集以及为促进低资源语言的研究提出了开源数据集的构建和发布方向。

    Dec, 2020

  • 非资源语言机器翻译的参与式研究：非洲语言案例研究

    本文探讨了如何利用参与性研究，将机器翻译 (MT) 技术应用于非洲语言，以解决 NLP 在地理分布上欠缺多样性并实现 NLP 的规模化问题。我们提出了一种可行性高并可扩展的情境下的参与式研究方案，其使非专业人员也能对 MT 技术的开发做出独特的科学贡献，并制定了适用于 30 多种语言的 MT 基准。

    Oct, 2020

  • 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

  • 低资源语言技术语料库构建方法研究：以南库尔德语和拉基语为例

    本研究旨在解决少数民族语言技术中面临的数据缺乏问题，提供了从当地新闻网站、当地电台和实地调查这几个角度获取南库尔德语和拉基语的语料库的方法，并探讨了语言识别任务在不同库尔德语言种和扎扎 - 戈拉尼语中的研究。

    Apr, 2023

  • 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

  • 开放语言档案社区：语言资源分布式归档的基础设施

    本文介绍 Open Language Archives Community (OLAC) 建立的技术和使用基础设施，旨在集中分布式资源，并提供机制表达语言资源共识，以解决电子媒体及万维网对语言资源发现和创建的问题。

    Jun, 2003

  • 日耳曼语系低资源语言和方言语料库调查

    这篇论文对德国 ic 低资源语言变体的可用语料库进行了系统性调查，发现手工注释的语言资源稀缺，大多数仅涵盖形态和句法，但活跃的研究社区正在不断发展。作者还特意分享了超过 80 个语料库的大概率浏览与查看。

    Apr, 2023

  • 南非语言低资源语言建模

    本文通过研究对南非低资源语言的开放词汇语言模型的表现来评估不同变种的 N 元模型、前馈神经网络、循环神经网络和 Transformers 网络。这项研究有望为非洲语言的多语种和低资源语言建模开辟新的研究途径。

    Apr, 2021