GRDD：一个希腊方言自然语言处理数据集
计算与语言
2025-10-15 v5
摘要
在本文中，我们提出了一个用于计算研究若干现代希腊方言的数据集。它由来自现代希腊四种方言（克里特方言、本都方言、北希腊方言和塞浦路斯希腊方言）的原始文本数据组成。该数据集规模相当大，尽管存在不平衡，并首次尝试为现代希腊方言创建此类大规模方言资源。然后我们使用该数据集进行方言识别。我们尝试了传统机器学习算法以及简单的深度学习架构。结果显示在该任务上性能非常好，潜在地揭示了所讨论的方言具有足够明显的特征，使得即使是简单的机器学习模型也能在该任务上表现良好。对性能最佳的算法进行了错误分析，表明在许多情况下错误是由于数据集清理不足造成的。
引用
@article{arxiv.2308.00802,
title = {GRDD: A Dataset for Greek Dialectal NLP},
author = {Stergios Chatzikyriakidis and Chatrine Qwaider and Ilias Kolokousis and Christina Koula and Dimitris Papadakis and Efthymia Sakellariou},
journal= {arXiv preprint arXiv:2308.00802},
year = {2025}
}