Awal — 为塔马齐特(Tamazight)社区驱动的语言技术
计算与语言
2025-11-03 v1
摘要
本文介绍 Awal，一个为开发塔马齐特(Tamazight)语言技术资源的社区驱动计划。我们提供了关于塔马齐特 NLP 领域的综合回顾，审察了近期在计算资源方面的进展，以及社区驱动方法如何解决持续数据稀缺问题的最新进展。Awal 于 2024 年启动，awaldigital.org 平台通过一个协作平台使语言使用者能够贡献翻译和语音数据，以弥补塔马齐特在数字空间中的不 represent。我们分析了 18 个月的社区参与情况，揭示了参与的主要障碍包括对书面塔马齐特表达有限信心以及持续的标准化挑战。尽管获得了广泛的积极反响，实际的数据贡献仍集中在语言学家和活动家手中。对社区贡献规模——6,421 条翻译对和 3 小时语音数据的 modest 规模突显了将标准众包方法应用于具有复杂社会语言语境的语言的局限性。我们正在使用收集的数据开发改进的开源机器翻译模型。
引用
@article{arxiv.2510.27407,
title = {Awal -- Community-Powered Language Technology for Tamazight},
author = {Alp Öktem and Farida Boudichat},
journal= {arXiv preprint arXiv:2510.27407},
year = {2025}
}
备注
Accepted to the International Conference on Information and Communication Technologies for Amazigh (TICAM 25)