D 2022

Piötòst Ché Niènt, Mèi Piötòst - A Manually Revised Lombard-Italian Parallel Corpus

SIGNORONI, Edoardo

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

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
Název: Interní grantová agentura Masarykovy univerzity
MUNI/IGA/1334/2021, interní kód MU
Název: A New Machine Translation-based approach to Parallel Corpora Alignment
Investor: Masarykova univerzita, A New Machine Translation-based approach to Parallel Corpora Alignment