SIGNORONI, Edoardo. Piötòst Ché Niènt, Mèi Piötòst - A Manually Revised Lombard-Italian Parallel Corpus. In Aleš Horák, Pavel Rychlý, Adam Rambousek. Proceedings of the Sixteenth Workshop on Recent Advances in Slavonic Natural Languages Processing, RASLAN 2022. Brno: Tribun EU, 2022, s. 105-112. ISBN 978-80-263-1752-4.
Další formáty:   BibTeX LaTeX RIS
Základní údaje
Originální název Piötòst Ché Niènt, Mèi Piötòst - A Manually Revised Lombard-Italian Parallel Corpus
Autoři SIGNORONI, Edoardo (380 Itálie, garant, domácí).
Vydání Brno, Proceedings of the Sixteenth Workshop on Recent Advances in Slavonic Natural Languages Processing, RASLAN 2022, od s. 105-112, 8 s. 2022.
Nakladatel Tribun EU
Další údaje
Originální jazyk angličtina
Typ výsledku Stať ve sborníku
Obor 10200 1.2 Computer and information sciences
Stát vydavatele Česká republika
Utajení není předmětem státního či obchodního tajemství
Forma vydání tištěná verze "print"
WWW Domovská stránka workshopu Plný text
Kód RIV RIV/00216224:14330/22:00127480
Organizační jednotka Fakulta informatiky
ISBN 978-80-263-1752-4
ISSN 2336-4289
Klíčová slova anglicky Parallel corpora; Low-resource MT; Lombard
Změnil Změnil: RNDr. Pavel Šmerk, Ph.D., učo 3880. Změněno: 15. 5. 2024 09:53.
Anotace
The Lombard language is a Gallo-Italic language spoken in the Northern Italian region of Lombardy and some surrounding areas by 3.5 million native speakers in varied spectrum of bilingual settings and fluency. However, it is currently listed as ”definitely endangered” according to UNESCO. Despite some resurging interest in documenting, revitalizing, and using the language, no Natural Language Processing resource was specifically build for Lombard. The only existing LombardItalian parallel corpus was created as part of a bigger multilingual project by scraping aligned text from Wikipedia articles. However, we found the resulting corpus to be faulty, due to noise and erroneous alignments. Our work addresses these issues by providing a cleaner, human-revised version of this resource, which could be used as a stepping stone to build future NLP tools, such as a Machine Translation system.
Návaznosti
EF19_073/0016943, projekt VaVNázev: Interní grantová agentura Masarykovy univerzity
MUNI/IGA/1334/2021, interní kód MUNázev: A New Machine Translation-based approach to Parallel Corpora Alignment
Investor: Masarykova univerzita, A New Machine Translation-based approach to Parallel Corpora Alignment
VytisknoutZobrazeno: 24. 8. 2024 10:35