低资源语言数据集创建、整理与分类：茨瓦纳语和塞佩迪语——扩展摘要

自然语言处理的最新进展仅对代表性良好的语言有益，忽视了对鲜为人知的全球语言的研究。这部分归因于经过整理的数据和研究资源的可用性。当前低资源语言面临的挑战之一是关于针对不同用例的数据集收集、整理和准备的明确指南。在这项工作中，我们承担了为茨瓦纳语和塞佩迪语创建两个聚焦于新闻标题（即短文本）的数据集，并基于这些数据集创建新闻主题分类任务的任务。在本研究中，我们记录了我们的工作，提出了分类基线，并研究了一种更适用于低资源语言的数据增强方法，以提高分类器的性能。