IgboAPI 数据集：通过多方言丰富化赋能伊博语语言技术
计算与语言
2024-05-03 v1
摘要
正如 2025 年联合国教科文组织（UNESCO）的一项研究所指出，伊博语正面临濒危风险。这凸显了为伊博语开发语言技术以促进交流、学习和保存的必要性。为了为伊博语创建稳健、有影响力且被广泛采用的语言技术，必须纳入该语言的多方言特性。实现方言感知语言技术的主要障碍是缺乏全面的方言数据集。作为回应，我们提出了 IgboAPI 数据集，这是一个多方言的伊博语-英语词典数据集，旨在增强伊博语方言的表示。此外，我们通过两项不同的研究说明了 IgboAPI 数据集的实用性：一项侧重于伊博语语义词典，另一项侧重于机器翻译。在语义词典项目中，我们成功地为伊博语语义标注器建立了一个初始的伊博语语义词典；而在机器翻译研究中，我们证明了通过使用 IgboAPI 数据集对现有机器翻译系统进行微调，可以显著提高其处理句子中方言变化的能力。
关键词
引用
@article{arxiv.2405.00997,
title = {The IgboAPI Dataset: Empowering Igbo Language Technologies through Multi-dialectal Enrichment},
author = {Chris Chinenye Emezue and Ifeoma Okoh and Chinedu Mbonu and Chiamaka Chukwuneke and Daisy Lal and Ignatius Ezeani and Paul Rayson and Ijemma Onwuzulike and Chukwuma Okeke and Gerald Nweya and Bright Ogbonna and Chukwuebuka Oraegbunam and Esther Chidinma Awo-Ndubuisi and Akudo Amarachukwu Osuagwu and Obioha Nmezi},
journal= {arXiv preprint arXiv:2405.00997},
year = {2024}
}
备注
Accepted to the LREC-COLING 2024 conference