巴斯克方言资源目录：在线集合与标准语至方言的适配
计算与语言
2026-03-27 v1
摘要
近期方言NLP研究指出数据稀缺是主要限制。为解决这一限制，本文呈现了当代巴斯克方言数据和资源的目录，对巴斯克语现有方言数据进行了系统全面的汇编。区分了两种数据源：最初以某种方言书写的在线数据，以及从标准语适配至方言的数据。前者包括所有可在线找到的方言数据，如新闻和广播网站、非正式推文，以及在线资源如词典、地图集、语法规则或视频。后者包括从标准语变体手动或自动适配至方言变体的数据。关于手动适配，XNLI自然语言推理数据集的测试部分被手动适配为三种巴斯克方言：西部方言、中部方言和纳瓦拉-拉普尔迪方言，生成了高质量的并行金标准评估数据集。关于自动方言适配，自动适配的物理常识数据集（BasPhyCowest）经过母语者的额外人工评估，以检验其质量并判断其是否可作为完整手动适配（即银数据创建）的可行替代方案。
引用
@article{arxiv.2603.25189,
title = {A Catalog of Basque Dialectal Resources: Online Collections and Standard-to-Dialectal Adaptations},
author = {Jaione Bengoetxea and Itziar Gonzalez-Dios and Rodrigo Agerri},
journal= {arXiv preprint arXiv:2603.25189},
year = {2026}
}