面向民主参与进程的多语言人工标注原文及易读文本语料库
计算与语言
2026-03-17 v2
摘要
能够理解信息是实现自我决定生活与社会的关键因素，也是参与民主进程的重要要求。自动文本简化研究往往受限于高质量材料的可用性，这些材料用于训练和评估自动简化器。虽然英语情况较好，但对于西班牙语、加泰罗尼亚语和意大利语等资源较少的语言来说，情况更为突出。为填补这一差距，我们提供了一个包含这三种语言原文及由专家人工简化的易读文本语料库。该语料库开发于 iDEM 项目中，用于评估易读语言对民主参与的影响。原文来自与该主题相关的领域，包含不同文本类型，基于相关性、版权可用性和伦理标准进行选择。所有文本均简化为易读文本(E2R)水平。该语料库尤为珍贵，因为它包含首个该类别的加泰罗尼亚语标注语料库。它也为西班牙语和意大利语提供了值得注意的贡献，提供了在这些领域中较少可得的高质量、人工标注的语言资源。该语料库将对公众免费开放。
引用
@article{arxiv.2603.05345,
title = {A Multilingual Human Annotated Corpus of Original and Easy-to-Read Texts to Support Access to Democratic Participatory Processes},
author = {Stefan Bott and Verena Riegler and Horacio Saggion and Almudena Rascón Alcaina and Nouran Khallaf},
journal= {arXiv preprint arXiv:2603.05345},
year = {2026}
}
备注
Will be published in LREC26