低资源语言技术干预的经验教训：以贡迪语为例
计算与语言
2021-01-28 v2 计算机与社会
摘要
开发低资源语言技术的主要障碍是缺乏可用数据。在本文中，我们报告了针对贡迪语采用的四种技术驱动的数据收集方法的采纳与部署，贡迪语是一种低资源濒危语言，由印度中部和南部约230万部落人口使用。在数据收集过程中，我们还通过创建可供社区使用的语言资源（如词典、儿童故事、汇集多来源贡迪语内容的应用，以及基于交互式语音应答(IVR)的大众宣传平台）来扩大贡迪语信息的获取，从而助力其复兴。在这些干预措施结束时，我们收集了略少于12000个翻译词和/或句子，并确定了650多名可在未来翻译工作中寻求帮助的社区成员。该项目的更大目标是收集足够的贡迪语数据，以构建和部署可行的语言技术（如机器翻译和语音转文本系统），帮助该语言进入互联网。
引用
@article{arxiv.2004.10270,
title = {Learnings from Technological Interventions in a Low Resource Language: A Case-Study on Gondi},
author = {Devansh Mehta and Sebastin Santy and Ramaravind Kommiya Mothilal and Brij Mohan Lal Srivastava and Alok Sharma and Anurag Shukla and Vishnu Prasad and Venkanna U and Amit Sharma and Kalika Bali},
journal= {arXiv preprint arXiv:2004.10270},
year = {2021}
}
备注
Accepted at LREC 2020 (7 pages). D.M. and S.S. contributed equally