LiMe：中世纪晚期刑事判决拉丁语语料库
计算与语言
2025-08-01 v2
摘要
拉丁语一直受到计算语言学研究界的关注，多年来该社区构建了若干宝贵资源，涵盖从详细的标注语料库到复杂的语言学分析工具。随着大型语言模型的近期出现，研究人员也开始开发能够生成拉丁语文本向量表示的模型。由于可用数据的悬殊差异，此类模型的性能仍落后于现代语言的模型。在本文中，我们提出了 LiMe 数据集，该语料库包含从一系列名为 Libri sententiarum potestatis Mediolani 的中世纪手稿中提取的 325 份文档，并由专家进行了详尽标注，旨在用于掩码语言模型以及有监督自然语言处理任务。
引用
@article{arxiv.2404.12829,
title = {LiMe: a Latin Corpus of Late Medieval Criminal Sentences},
author = {Alessandra Bassani and Beatrice Del Bo and Alfio Ferrara and Marta Mangini and Sergio Picascia and Ambra Stefanello},
journal= {arXiv preprint arXiv:2404.12829},
year = {2025}
}