构建双语平行推文语料库

哈米·穆巴拉克,萨比特·哈桑,艾哈迈德·阿卜杜拉利

摘要
为了吸引更多、更多样化的受众，推特用户经常发布并行推特，即包含相同内容但使用不同语言编写的推特。并行推文可以是开发机器翻译（MT）系统以及其他自然语言处理（NLP）任务的重要资源。在本文中，我们介绍了一种收集并行推文的通用方法。使用这种方法，我们收集了英语-阿拉伯语平行推文的双语语料库和定期发布英语-阿拉伯语推文的推特账户列表。由于我们的方法是通用的，它还可以用于收集包含资源较少的语言（如塞尔维亚语和乌尔都语）的并行推文。此外，我们还为推特账户的一个子集添加了原籍国和感兴趣的主题注释，以了解发布并行推特的人群。后面的信息对于作者分析任务也很有用。
选集ID：
2020年bucc-1.3
体积：
构建和使用可比语料库第13次研讨会会议记录
月份：
五月
年份：
2020
地址：
法国马赛
编辑：
莱因哈德·拉普,皮埃尔·兹韦根鲍姆,谢尔盖·沙洛夫
地点：
BUCC公司
SIG公司：
发布者：
欧洲语言资源协会
注：
页：
14–21
语言：
英语
网址：
https://aclantology.org/2020.bucc-1.3
DOI（操作界面）：
比比键：
引用（ACL）：
哈米德·穆巴拉克（Hamdy Mubarak）、萨比特·哈桑（Sabit Hassan）和艾哈迈德·阿卜杜拉利（Ahmed Abdelali）。2020构建双语平行推文语料库.英寸构建和使用可比语料库第13次研讨会会议记录，第14-21页，法国马赛。欧洲语言资源协会。
引用（非正式）：
构建双语平行推文语料库（穆巴拉克等人，BUCC 2020）
复制引文：
PDF格式：
https://aclantology.org/2020.bucc-1.3.pdf
数据
阿拉伯语-英语平行推文双语语料库
PDF格式 引用 搜索