論文の概要: Towards the Roof of the World: NLP Progress in Tibetan Languages

• arxiv url: http://arxiv.org/abs/2610.13398v1
• Date: Fri, 09 Oct 2026 11:11:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-13 04:06:29.546312
• Title: Towards the Roof of the World: NLP Progress in Tibetan Languages
• Title（参考訳）: 世界のルーフに向けて:チベット語におけるNLPの進展
• Abstract要約: チベット語は、清海・西高原周辺で約700万人が話しており、自然言語処理(NLP)の分野では不足している。 2004年から2026年までのACLアンソロジーおよびDBLPの140冊の出版物について,最初のピアレビューによるチベットNLPの体系的文献学的調査を行った。
• 参考スコア（独自算出の注目度）: 4.6219384201268845
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Tibetan, spoken by some seven million people on and around the Qinghai-Xizang Plateau, remains underrepresented in natural language processing (NLP). We present, to our knowledge, the first peer-reviewed systematic bibliometric survey of Tibetan NLP: 140 publications from 2004 to 2026 in the ACL Anthology and DBLP, annotated for venue type, research area, first-affiliation country, and resource release. Output has grown rapidly, with 84% of the publications appearing since 2018, and has expanded bottom-up along the NLP pipeline, from corpora and word segmentation through script, speech, and applications to large language models (LLMs). Researchers based in China first-authored 87% of the publications, which span all 25 represented research areas, whereas work from other countries concentrates on Classical Tibetan. We argue that this full-pipeline paradigm, realized under the compounded constraints of a complex script, dialectal diversity, and geographic remoteness, offers a reference model for other low-resource languages of the Global South. We also identify gaps in dialect coverage, responsible NLP, native and comparable evaluation, cross-community visibility, and resource release (only 29% of the publications release data, code, or models), and recommend open science, shared standards, and community participation for the LLM era.
• Abstract（参考訳）: チベット語は、清海・西江高原周辺で約700万人が話しており、自然言語処理(NLP)ではあまり使われていない。 我々は,2004年から2026年までのACLアンソロジーとDBLPの140冊の出版物,会場タイプ,研究エリア,ファーストアフィリエイト国,資源解放について,チベットのNLPに関する最初の査読的体系的文献学的調査を行った。 アウトプットは急速に増加しており、2018年以降の出版物の84%が登場し、コーパスや単語セグメンテーションからスクリプト、スピーチ、アプリケーション、大規模言語モデル(LLM)まで、NLPパイプラインに沿ってボトムアップを拡大している。 中国に本拠を置く研究者は、25の分野にまたがる出版物の87%を最初に執筆した。 複雑なスクリプトや方言の多様性,地理的な遠隔性といった複雑な制約の下で実現されたこの全パイプラインパラダイムは,グローバル・サウスの他の低リソース言語に対する参照モデルを提供する,と我々は主張する。 また、方言のカバレッジのギャップ、NLP、ネイティブおよび同等の評価、コミュニティ間の可視性、リソースリリース(出版物の29%のみがデータ、コード、モデルをリリースしている)、オープンサイエンス、共有標準、LLM時代のコミュニティ参加を推奨しています。

関連論文リスト

• BhashaSutra: A Task-Centric Unified Survey of Indian NLP Datasets, Corpora, and Resources [13.574373781253305]
  我々は、200以上のデータセット、50以上のベンチマーク、100以上のモデル、ツール、テキスト、スピーチ、マルチモーダル、文化的根拠のあるタスクを含む、インドのNLPリソースに関する最初の統一的な調査を提示する。 我々は、言語現象、ドメイン、モダリティによって資源を整理し、アノテーション、評価、モデルデザインのトレンドを分析し、データ空間、不均一な言語カバレッジ、スクリプトの多様性、限られた文化的・ドメインの一般化といった永続的な課題を特定する。
  論文  参考訳（メタデータ） (2026-04-20T15:41:05Z)
• HausaNLP: Current Status, Challenges and Future Directions for Hausa Natural Language Processing [5.5473811549393774]
  Hausaは、世界で1億2000万の第一言語(L1)と8000万の第二言語(L2)を持つ低リソース言語である。 本稿では,Hausa NLPの現状を概観し,既存の資源,研究コントリビューション,基本的なNLPタスク間のギャップを体系的に検討する。 アクセシビリティを高め、さらなる開発を促進するために、データセット、ツール、研究成果を集約する、キュレートされたカタログであるHausaNLPを紹介します。
  論文  参考訳（メタデータ） (2025-05-20T12:59:55Z)
• NaijaNLP: A Survey of Nigerian Low-Resource Languages [0.0]
  3つの言語(Hausa、Yorub'a、Igbo)がナイジェリアの話し言葉の約60%を占めている。 これらの言語は、計算言語学におけるタスクを支援するリソースが不足しているため、低リソースに分類される。 本研究は,ナイジェリアの3大言語を対象とした低リソースNLP(LR-NLP)研究の進展を概観する。
  論文  参考訳（メタデータ） (2025-02-27T05:48:51Z)
• Multilingual Large Language Model: A Survey of Resources, Taxonomy and Frontiers [81.47046536073682]
  本稿では,MLLM(Multilingual Large Language Model)文学における最近の進歩と新たなトレンドを要約する一貫した視点を提示する。 私たちの研究がコミュニティに迅速なアクセスを提供し、MLLMにおける画期的な研究を促進することを願っています。
  論文  参考訳（メタデータ） (2024-04-07T11:52:44Z)
• Natural Language Processing for Dialects of a Language: A Survey [56.93337350526933]
  最先端自然言語処理(NLP)モデルは、大規模なトレーニングコーパスでトレーニングされ、評価データセットで最上位のパフォーマンスを報告します。 この調査は、これらのデータセットの重要な属性である言語の方言を掘り下げる。 方言データセットにおけるNLPモデルの性能劣化と言語技術のエクイティへのその影響を動機として,我々はデータセットやアプローチの観点から,方言に対するNLPの過去の研究を調査した。
  論文  参考訳（メタデータ） (2024-01-11T03:04:38Z)
• NusaWrites: Constructing High-Quality Corpora for Underrepresented and Extremely Low-Resource Languages [54.808217147579036]
  インドネシアの地方言語について事例研究を行う。 データセット構築におけるオンラインスクラップ,人文翻訳,および母語話者による段落作成の有効性を比較した。 本研究は,母語話者による段落作成によって生成されたデータセットが,語彙的多様性と文化的内容の点で優れた品質を示すことを示す。
  論文  参考訳（メタデータ） (2023-09-19T14:42:33Z)
• Making a MIRACL: Multilingual Information Retrieval Across a Continuum of Languages [62.730361829175415]
  MIRACLは、WSDM 2023 Cupチャレンジのために構築した多言語データセットです。 18の言語にまたがるアドホック検索に焦点を当てている。 我々の目標は、言語連続体における検索を改善する研究を加速させることです。
  論文  参考訳（メタデータ） (2022-10-18T16:47:18Z)

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。