論文の概要: The IgboAPI Dataset: Empowering Igbo Language Technologies through Multi-dialectal Enrichment

• arxiv url: http://arxiv.org/abs/2405.00997v1
• Date: Thu, 2 May 2024 04:27:35 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-03 17:54:29.162261
• Title: The IgboAPI Dataset: Empowering Igbo Language Technologies through Multi-dialectal Enrichment
• Title（参考訳）: IgboAPIデータセット:多言語化によるIgbo言語技術の強化
• Authors: Chris Chinenye Emezue, Ifeoma Okoh, Chinedu Mbonu, Chiamaka Chukwuneke, Daisy Lal, Ignatius Ezeani, Paul Rayson, Ijemma Onwuzulike, Chukwuma Okeke, Gerald Nweya, Bright Ogbonna, Chukwuebuka Oraegbunam, Esther Chidinma Awo-Ndubuisi, Akudo Amarachukwu Osuagwu, Obioha Nmezi,
• Abstract要約: 2025年のユネスコの研究によると、イグボ語は絶滅の危機に直面している。 Igboの堅牢で、影響力があり、広く採用されている言語技術を開発するためには、言語の多言語性を統合することが不可欠である。 IgboAPIデータセットは,Igbo方言の表現性の向上を目的とした多方言Igbo- English辞書データセットである。
• 参考スコア（独自算出の注目度）: 3.087699704782493
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The Igbo language is facing a risk of becoming endangered, as indicated by a 2025 UNESCO study. This highlights the need to develop language technologies for Igbo to foster communication, learning and preservation. To create robust, impactful, and widely adopted language technologies for Igbo, it is essential to incorporate the multi-dialectal nature of the language. The primary obstacle in achieving dialectal-aware language technologies is the lack of comprehensive dialectal datasets. In response, we present the IgboAPI dataset, a multi-dialectal Igbo-English dictionary dataset, developed with the aim of enhancing the representation of Igbo dialects. Furthermore, we illustrate the practicality of the IgboAPI dataset through two distinct studies: one focusing on Igbo semantic lexicon and the other on machine translation. In the semantic lexicon project, we successfully establish an initial Igbo semantic lexicon for the Igbo semantic tagger, while in the machine translation study, we demonstrate that by finetuning existing machine translation systems using the IgboAPI dataset, we significantly improve their ability to handle dialectal variations in sentences.
• Abstract（参考訳）: 2025年のユネスコの研究によると、イグボ語は絶滅の危機に直面している。 このことは、コミュニケーション、学習、保存を促進するためにIgboの言語技術を開発する必要性を強調している。 Igboの堅牢で、影響力があり、広く採用されている言語技術を開発するためには、言語の多言語性を統合することが不可欠である。 方言対応言語技術を実現する上での大きな障害は、包括的な方言データセットの欠如である。 そこで本研究では,Igbo方言の表現性向上を目的とした多方言Igbo- English辞書データセットであるIgboAPIデータセットを提案する。 さらに、IgboAPIデータセットの実用性について、Igbo意味辞書と機械翻訳に焦点を当てた2つの異なる研究を通して説明する。 セマンティックレキシコンプロジェクトでは、Igboセマンティックタグの初期Igboセマンティックレキシコンの確立に成功し、機械翻訳研究では、既存の機械翻訳システムをIgboAPIデータセットを用いて微調整することにより、文の方言変化を扱う能力を大幅に改善することを示した。

関連論文リスト

• Improving Speech Emotion Recognition in Under-Resourced Languages via Speech-to-Speech Translation with Bootstrapping Data Selection [49.27067541740956]
  音声感情認識(SER)は、人間とコンピュータの自然な相互作用が可能な汎用AIエージェントを開発する上で重要な要素である。 英語や中国語以外の言語でラベル付きデータが不足しているため、堅牢な多言語SERシステムの構築は依然として困難である。 本稿では,低SERリソース言語におけるSERの性能向上のための手法を提案する。
  論文  参考訳（メタデータ） (2024-09-17T08:36:45Z)
• Improving Multilingual Neural Machine Translation by Utilizing Semantic and Linguistic Features [18.76505158652759]
  複数の言語間の意味的特徴と言語的特徴を利用して多言語翻訳を強化することを提案する。 エンコーダ側では,意味的特徴と言語的特徴を両立させることにより,エンコーダ表現を整合させる非係合学習タスクを導入する。 デコーダ側では、言語エンコーダを利用して低レベル言語機能を統合し、ターゲット言語生成を支援する。
  論文  参考訳（メタデータ） (2024-08-02T17:10:12Z)
• Open the Data! Chuvash Datasets [50.59120569845975]
  Chuvash言語用の包括的データセットを4つ紹介する。 これらのデータセットには、モノリンガルデータセット、ロシア語による並列データセット、英語による並列データセット、オーディオデータセットが含まれる。
  論文  参考訳（メタデータ） (2024-05-31T07:51:19Z)
• Language Detection for Transliterated Content [0.0]
  我々は、英語のアルファベットを母国語でメッセージを伝えるために使用する翻訳の広汎な利用について研究する。 本稿では,ヒンディー語とロシア語を英語に翻訳した音声テキストのデータセットを用いて,この問題に対処する。 この研究は、翻訳されたテキストを識別し、変換するための革新的なアプローチの先駆者である。
  論文  参考訳（メタデータ） (2024-01-09T15:40:54Z)
• Speech-to-Speech Translation For A Real-world Unwritten Language [62.414304258701804]
  本研究では、ある言語から別の言語に音声を翻訳する音声音声翻訳(S2ST)について研究する。 我々は、トレーニングデータ収集、モデル選択、ベンチマークデータセットのリリースからエンドツーエンドのソリューションを提示します。
  論文  参考訳（メタデータ） (2022-11-11T20:21:38Z)
• Scaling Back-Translation with Domain Text Generation for Sign Language Gloss Translation [36.40377483258876]
  手話のグロス翻訳は、手話のグロスを音声のテキストに変換することを目的としている。 Back Translation (BT)は、ドメイン内の言語テキストを手話に翻訳することで、擬似並列データを生成する。 本稿では, Prompt ベースのドメインテキスト生成 (PGEN) 手法を提案する。
  論文  参考訳（メタデータ） (2022-10-13T14:25:08Z)
• Cross-Lingual Dialogue Dataset Creation via Outline-Based Generation [70.81596088969378]
  言語間アウトラインに基づく対話データセット(COD)は、自然言語の理解を可能にする。 CODは、4つの異なる言語で対話状態の追跡とエンドツーエンドの対話モデリングと評価を可能にする。
  論文  参考訳（メタデータ） (2022-01-31T18:11:21Z)
• Automatic Speech Recognition Datasets in Cantonese Language: A Survey and a New Dataset [85.52036362232688]
  私たちのデータセットは、香港のCandoneseオーディオブックから収集された、73.6時間のクリーンな読み上げ音声と書き起こしとの組み合わせで構成されています。 哲学、政治、教育、文化、ライフスタイル、家族の領域を組み合わせて、幅広いトピックをカバーしている。 MDCC と Common Voice zh-HK にマルチデータセット学習を適用することで,強力で堅牢な Cantonese ASR モデルを作成する。
  論文  参考訳（メタデータ） (2022-01-07T12:09:15Z)
• Towards Language Modelling in the Speech Domain Using Sub-word Linguistic Units [56.52704348773307]
  音節や音素を含む言語単位に基づくLSTMに基づく新しい生成音声LMを提案する。 限られたデータセットでは、現代の生成モデルで要求されるものよりも桁違いに小さいので、我々のモデルはバブリング音声を近似する。 補助的なテキストLM,マルチタスク学習目標,補助的な調音特徴を用いた訓練の効果を示す。
  論文  参考訳（メタデータ） (2021-10-31T22:48:30Z)
• Data Augmentation and Terminology Integration for Domain-Specific Sinhala-English-Tamil Statistical Machine Translation [1.1470070927586016]
  Out of vocabulary (OOV) は低リソース言語における機械翻訳(MT)の文脈における問題である。 本稿では、ケースマーカーに基づいてバイリンガル語彙を拡大するデータ拡張技術に焦点を当てる。
  論文  参考訳（メタデータ） (2020-11-05T13:58:32Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。