DATASHI: A Parallel English-Tashlhiyt Corpus for Orthography Normalization and Low-Resource Language Processing
Fuente:
arXiv
Salvato in:
| Autori principali: | Monir, Nasser-Eddine, Baou, Zakaria |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2026
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
Normalized Orthography for Tunisian Arabic
di: Turki, Houcemeddine, et al.
Pubblicazione: (2024)
di: Turki, Houcemeddine, et al.
Pubblicazione: (2024)
Leveraging the Cross-Domain & Cross-Linguistic Corpus for Low Resource NMT: A Case Study On Bhili-Hindi-English Parallel Corpus
di: Singh, Pooja, et al.
Pubblicazione: (2025)
di: Singh, Pooja, et al.
Pubblicazione: (2025)
OpenWHO: A Document-Level Parallel Corpus for Health Translation in Low-Resource Languages
di: Merx, Raphaël, et al.
Pubblicazione: (2025)
di: Merx, Raphaël, et al.
Pubblicazione: (2025)
EthioMT: Parallel Corpus for Low-resource Ethiopian Languages
di: Tonja, Atnafu Lambebo, et al.
Pubblicazione: (2024)
di: Tonja, Atnafu Lambebo, et al.
Pubblicazione: (2024)
Connecting Voices: LoReSpeech as a Low-Resource Speech Parallel Corpus
di: Ouzerrout, Samy
Pubblicazione: (2025)
di: Ouzerrout, Samy
Pubblicazione: (2025)
PEACH: A sentence-aligned Parallel English-Arabic Corpus for Healthcare
di: Al-Sabbagh, Rania
Pubblicazione: (2025)
di: Al-Sabbagh, Rania
Pubblicazione: (2025)
Multilingual LLMs Struggle to Link Orthography and Semantics in Bilingual Word Processing
di: Tanwar, Eshaan, et al.
Pubblicazione: (2025)
di: Tanwar, Eshaan, et al.
Pubblicazione: (2025)
ViDia2Std: A Parallel Corpus and Methods for Low-Resource Vietnamese Dialect-to-Standard Translation
di: Ta, Khoa Anh, et al.
Pubblicazione: (2026)
di: Ta, Khoa Anh, et al.
Pubblicazione: (2026)
Towards Open Foundation Language Model and Corpus for Macedonian: A Low-Resource Language
di: Krsteski, Stefan, et al.
Pubblicazione: (2025)
di: Krsteski, Stefan, et al.
Pubblicazione: (2025)
A Multi-way Parallel Named Entity Annotated Corpus for English, Tamil and Sinhala
di: Ranathunga, Surangika, et al.
Pubblicazione: (2024)
di: Ranathunga, Surangika, et al.
Pubblicazione: (2024)
MaiBERT: A Pre-training Corpus and Language Model for Low-Resourced Maithili Language
di: Yadav, Sumit, et al.
Pubblicazione: (2025)
di: Yadav, Sumit, et al.
Pubblicazione: (2025)
Enhancing Language Learning through Technology: Introducing a New English-Azerbaijani (Arabic Script) Parallel Corpus
di: Khiarak, Jalil Nourmohammadi, et al.
Pubblicazione: (2024)
di: Khiarak, Jalil Nourmohammadi, et al.
Pubblicazione: (2024)
BanglaSTEM: A Parallel Corpus for Technical Domain Bangla-English Translation
di: Hasan, Kazi Reyazul, et al.
Pubblicazione: (2025)
di: Hasan, Kazi Reyazul, et al.
Pubblicazione: (2025)
JaParaPat: A Large-Scale Japanese-English Parallel Patent Application Corpus
di: Nagata, Masaaki, et al.
Pubblicazione: (2025)
di: Nagata, Masaaki, et al.
Pubblicazione: (2025)
Parallel Corpus Augmentation using Masked Language Models
di: Kumari, Vibhuti, et al.
Pubblicazione: (2024)
di: Kumari, Vibhuti, et al.
Pubblicazione: (2024)
Introducing MELI: the Mandarin-English Language Interview Corpus
di: Liu, Suyuan, et al.
Pubblicazione: (2026)
di: Liu, Suyuan, et al.
Pubblicazione: (2026)
Crowdsourcing Piedmontese to Test LLMs on Non-Standard Orthography
di: Vico, Gianluca, et al.
Pubblicazione: (2026)
di: Vico, Gianluca, et al.
Pubblicazione: (2026)
Tonal placement in Tashlhiyt
di: B. Roettger, Timo
Pubblicazione: (2018)
di: B. Roettger, Timo
Pubblicazione: (2018)
Speak & Improve Corpus 2025: an L2 English Speech Corpus for Language Assessment and Feedback
di: Knill, Kate, et al.
Pubblicazione: (2024)
di: Knill, Kate, et al.
Pubblicazione: (2024)
The Thiomi Dataset: A Large-Scale Multimodal Corpus for Low-Resource African Languages
di: Mutisya, Hillary, et al.
Pubblicazione: (2026)
di: Mutisya, Hillary, et al.
Pubblicazione: (2026)
Overcoming Low-Resource Barriers in Tulu: Neural Models and Corpus Creation for OffensiveLanguage Identification
di: D, Anusha M, et al.
Pubblicazione: (2025)
di: D, Anusha M, et al.
Pubblicazione: (2025)
FFN: a Fine-grained Chinese-English Financial Domain Parallel Corpus
di: Fu, Yuxin, et al.
Pubblicazione: (2024)
di: Fu, Yuxin, et al.
Pubblicazione: (2024)
Constructing and Expanding Low-Resource and Underrepresented Parallel Datasets for Indonesian Local Languages
di: Lopo, Joanito Agili, et al.
Pubblicazione: (2024)
di: Lopo, Joanito Agili, et al.
Pubblicazione: (2024)
UPRPRC: Unified Pipeline for Reproducing Parallel Resources -- Corpus from the United Nations
di: Lu, Qiuyang, et al.
Pubblicazione: (2025)
di: Lu, Qiuyang, et al.
Pubblicazione: (2025)
GhanaNLP Parallel Corpora: Comprehensive Multilingual Resources for Low-Resource Ghanaian Languages
di: Gyamfi, Lawrence Adu, et al.
Pubblicazione: (2026)
di: Gyamfi, Lawrence Adu, et al.
Pubblicazione: (2026)
A computational system to handle the orthographic layer of tajwid in contemporary Quranic Orthography
di: Martínez, Alicia González
Pubblicazione: (2025)
di: Martínez, Alicia González
Pubblicazione: (2025)
The Pilot Corpus of the English Semantic Sketches
di: Petrova, Maria, et al.
Pubblicazione: (2025)
di: Petrova, Maria, et al.
Pubblicazione: (2025)
The Mediomatix Corpus: Parallel Data for Romansh Language Varieties via Comparable Schoolbooks
di: Hopton, Zachary, et al.
Pubblicazione: (2025)
di: Hopton, Zachary, et al.
Pubblicazione: (2025)
Small Models, Big Impact: Efficient Corpus and Graph-Based Adaptation of Small Multilingual Language Models for Low-Resource Languages
di: Gurgurov, Daniil, et al.
Pubblicazione: (2025)
di: Gurgurov, Daniil, et al.
Pubblicazione: (2025)
Adapting Multilingual LLMs to Low-Resource Languages using Continued Pre-training and Synthetic Corpus
di: Joshi, Raviraj, et al.
Pubblicazione: (2024)
di: Joshi, Raviraj, et al.
Pubblicazione: (2024)
Better To Ask in English? Evaluating Factual Accuracy of Multilingual LLMs in English and Low-Resource Languages
di: Rohera, Pritika, et al.
Pubblicazione: (2025)
di: Rohera, Pritika, et al.
Pubblicazione: (2025)
Is AI Catching Up to Human Expression? Exploring Emotion, Personality, Authorship, and Linguistic Style in English and Arabic with Six Large Language Models
di: Alsadhan, Nasser A
Pubblicazione: (2026)
di: Alsadhan, Nasser A
Pubblicazione: (2026)
AI-Driven Generation of Old English: A Framework for Low-Resource Languages
di: Alva, Rodrigo Gabriel Salazar, et al.
Pubblicazione: (2025)
di: Alva, Rodrigo Gabriel Salazar, et al.
Pubblicazione: (2025)
Cross-Lingual Transfer for Low-Resource Natural Language Processing
di: García-Ferrero, Iker
Pubblicazione: (2025)
di: García-Ferrero, Iker
Pubblicazione: (2025)
DEPLAIN: A German Parallel Corpus with Intralingual Translations into Plain Language for Sentence and Document Simplification
di: Stodden, Regina, et al.
Pubblicazione: (2023)
di: Stodden, Regina, et al.
Pubblicazione: (2023)
Improving the quality of Web-mined Parallel Corpora of Low-Resource Languages using Debiasing Heuristics
di: Fernando, Aloka, et al.
Pubblicazione: (2025)
di: Fernando, Aloka, et al.
Pubblicazione: (2025)
LombardoGraphia: Automatic Classification of Lombard Orthography Variants
di: Signoroni, Edoardo, et al.
Pubblicazione: (2026)
di: Signoroni, Edoardo, et al.
Pubblicazione: (2026)
Pashto Common Voice: Building the First Open Speech Corpus for a 60-Million-Speaker Low-Resource Language
di: Rahman, Hanif, et al.
Pubblicazione: (2026)
di: Rahman, Hanif, et al.
Pubblicazione: (2026)
Feriji: A French-Zarma Parallel Corpus, Glossary & Translator
di: Keita, Mamadou K., et al.
Pubblicazione: (2024)
di: Keita, Mamadou K., et al.
Pubblicazione: (2024)
Context Biasing for Pronunciation-Orthography Mismatch in Automatic Speech Recognition
di: Huber, Christian, et al.
Pubblicazione: (2025)
di: Huber, Christian, et al.
Pubblicazione: (2025)
Documenti analoghi
-
Normalized Orthography for Tunisian Arabic
di: Turki, Houcemeddine, et al.
Pubblicazione: (2024) -
Leveraging the Cross-Domain & Cross-Linguistic Corpus for Low Resource NMT: A Case Study On Bhili-Hindi-English Parallel Corpus
di: Singh, Pooja, et al.
Pubblicazione: (2025) -
OpenWHO: A Document-Level Parallel Corpus for Health Translation in Low-Resource Languages
di: Merx, Raphaël, et al.
Pubblicazione: (2025) -
EthioMT: Parallel Corpus for Low-resource Ethiopian Languages
di: Tonja, Atnafu Lambebo, et al.
Pubblicazione: (2024) -
Connecting Voices: LoReSpeech as a Low-Resource Speech Parallel Corpus
di: Ouzerrout, Samy
Pubblicazione: (2025)