2022
Piötòst Ché Niènt, Mèi Piötòst - A Manually Revised Lombard-Italian Parallel Corpus
SIGNORONI, EdoardoZákladní 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
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"
Kód RIV
RIV/00216224:14330/22:00127480
Organizační jednotka
Fakulta informatiky
ISBN
978-80-263-1752-4
ISSN
Klíčová slova anglicky
Parallel corpora; Low-resource MT; Lombard
Změněno: 15. 5. 2024 09:53, RNDr. Pavel Šmerk, Ph.D.
Anotace
V originále
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 VaV |
| ||
MUNI/IGA/1334/2021, interní kód MU |
|