Larth：伊特鲁里亚语数据集与机器翻译
计算与语言
2023-10-10 v1
摘要
伊特鲁里亚语是一种从公元前 7 世纪到公元 1 世纪在意大利使用的古代语言。现今已无该语言母语者，且其资源稀缺，已知铭文仅约 12000 条。据我们所知，尚无公开可用的伊特鲁里亚语自然语言处理语料库。因此，我们提出一个从伊特鲁里亚语到英语的机器翻译数据集，包含来自现有学术来源的 2891 个翻译样例。部分样例为人工提取，其余以自动方式获取。除数据集外，我们对不同机器翻译模型进行基准测试，观察到使用小型 transformer 模型可达到 10.1 的 BLEU 分数。发布该数据集有助于推动未来关于该语言、相似语言或其他资源稀缺语言的研究。
引用
@article{arxiv.2310.05688,
title = {Larth: Dataset and Machine Translation for Etruscan},
author = {Gianluca Vico and Gerasimos Spanakis},
journal= {arXiv preprint arXiv:2310.05688},
year = {2023}
}