基于地理位置的推特过滤用于构建印尼本地语言的低资源语言数据集
计算与语言
2022-06-16 v1 机器学习
摘要
推特包含来自现实世界的丰富语言数据。我们考察推特中以低资源语言（如印尼本地语言）生成的用户内容。要使 NLP 在印尼语中发挥作用，必须考虑影响印尼语言的本地方言、地理背景和区域文化。本文指出了我们在构建本地印尼语 NLP 数据集时所面临的问题。此外，我们正在开发一个用于创建、收集和分类本地印尼语 NLP 数据集的框架。使用推特的地理定位工具进行自动标注。
引用
@article{arxiv.2206.07238,
title = {Location-based Twitter Filtering for the Creation of Low-Resource Language Datasets in Indonesian Local Languages},
author = {Mukhlis Amien and Chong Feng and Heyan Huang},
journal= {arXiv preprint arXiv:2206.07238},
year = {2022}
}