TuGeBiC：一个土耳其语-德语双语语码转换语料库
计算与语言
2022-05-03 v1
摘要
本文描述从土耳其语-德语双语者自发语音样本中收集、转写和标注录音，并编译名为 TuGeBiC 的语料库的过程。研究参与者为 1990 年代上半叶录音时居住在德国或土耳其的成年土耳其语-德语双语者。数据经人工分词与规范化，所有专有名词（对话中提及的参与者及地名）均替换为假名。进行了 token 级自动语言识别，从而能够确定每种语言词汇的比例。该语料库两种语言大致均衡。我们还给出语码转换数量的量化信息，并举例说明数据中发现的不同类型语码转换。所得语料库已向研究界免费开放。
引用
@article{arxiv.2205.00868,
title = {TuGeBiC: A Turkish German Bilingual Code-Switching Corpus},
author = {Jeanine Treffers-Daller and and Ozlem Çetinoğlu},
journal= {arXiv preprint arXiv:2205.00868},
year = {2022}
}