突厥语族中亚语言处理的最新进展与挑战
计算与语言
2026-02-17 v3
摘要
针对中亚突厥语族语言——哈萨克语、乌兹别克语、吉尔吉斯语和土库曼语——的自然语言处理研究面临着典型的低资源语言挑战，如数据稀缺、语言资源和技术发展有限。然而，最近的进展包括收集了特定语言的数据集，并为下游任务开发了模型。因此，本文旨在总结近期进展并确定未来的研究方向。它提供了每种语言的语言特征、当前技术格局、从高资源语言进行迁移学习的应用，以及标记和未标记数据可用性的高层次概述。通过概述当前状态，我们希望激发并促进未来的研究。
引用
@article{arxiv.2407.05006,
title = {Recent Advancements and Challenges of Turkic Central Asian Language Processing},
author = {Yana Veitsman and Mareike Hartmann},
journal= {arXiv preprint arXiv:2407.05006},
year = {2026}
}