一个国家，700余种语言：印度尼西亚代表性不足语言与方言的NLP挑战
计算与语言
2022-03-28 v1
摘要
NLP研究因缺乏资源以及对代表性不足语言与方言所带来的挑战的认识而受到阻碍。聚焦于世界上语言多样性第二高、人口第四多的国家印度尼西亚所使用的语言，我们概述了针对印尼700余种语言的NLP研究现状。我们强调了印尼NLP中的挑战，以及这些挑战如何影响当前NLP系统的性能。最后，我们提供一般性建议，以帮助开发不仅面向印尼语言、也面向其他代表性不足语言的NLP技术。
引用
@article{arxiv.2203.13357,
title = {One Country, 700+ Languages: NLP Challenges for Underrepresented Languages and Dialects in Indonesia},
author = {Alham Fikri Aji and Genta Indra Winata and Fajri Koto and Samuel Cahyawijaya and Ade Romadhony and Rahmad Mahendra and Kemal Kurniawan and David Moeljadi and Radityo Eko Prasojo and Timothy Baldwin and Jey Han Lau and Sebastian Ruder},
journal= {arXiv preprint arXiv:2203.13357},
year = {2022}
}
备注
Accepted in ACL 2022