为资源较少语言构建细粒度语料库：以库尔德语为例
计算与语言
2019-09-26 v1
摘要
库尔德语是一种资源较少的语言，由不同方言组成，使用多种文字书写。约有 3000 万人在不同国家使用这种语言。语料库的缺乏是库尔德语处理的主要障碍之一。在本文中，我们提出 KTC——库尔德语教材语料库，其由 31 本索拉尼方言的 K-12 教材组成。该语料库经过规范化处理，并归类为 12 个教育学科，包含 693,800 个词符（110,297 个词型）。我们的资源在 CC BY-NC-SA 4.0 许可下公开供非商业使用。
引用
@article{arxiv.1909.11467,
title = {Developing a Fine-Grained Corpus for a Less-resourced Language: the case of Kurdish},
author = {Roshna Omer Abdulrahman and Hossein Hassani and Sina Ahmadi},
journal= {arXiv preprint arXiv:1909.11467},
year = {2019}
}
备注
4 pages, 1 table, 1 figure