[논문 리뷰] Critical Survey of the Freely Available Arabic Corpora

Wajdi Zaghouani|arXiv (Cornell University)|2017. 02. 25.

Natural Language Processing Techniques참고 문헌 33인용 수 87

한 줄 요약

본 논문은 자유롭게 이용 가능한 아랍어 코퍼스를 조사하고, 초기 목록으로 66개 소스를 식별하며 직접 접근 링크를 제공한다.

ABSTRACT

The availability of corpora is a major factor in building natural language processing applications. However, the costs of acquiring corpora can prevent some researchers from going further in their endeavours. The ease of access to freely available corpora is urgent needed in the NLP research community especially for language such as Arabic. Currently, there is not easy was to access to a comprehensive and updated list of freely available Arabic corpora. We present in this paper, the results of a recent survey conducted to identify the list of the freely available Arabic corpora and language resources. Our preliminary results showed an initial list of 66 sources. We presents our findings in the various categories studied and we provided the direct links to get the data when possible.

연구 동기 및 목표

• 말뭉치 접근 비용 장벽을 해결하여 아랍어 NLP 연구를 촉진한다.
• 자유롭게 이용 가능한 아랍어 코퍼스 및 언어 자원을 식별하고 수집한다.
• 가능한 경우 직접 접근 링크가 포함된 분류된 최신 자원 목록을 제공한다.
• 향후 자원 수집과 활용을 안내하기 위한 예비 연구 결과와 격차를 강조한다.

제안 방법

• 자유롭게 이용 가능한 아랍어 코퍼스와 자원을 식별하기 위한 조사를 수행한다.
• 연구에서 식별된 초기 소스 목록(약 66개)을 작성한다.
• 자원 유형별로 분류된 결과를 제시하고 가능한 경우 직접 링크를 제공한다.
• 연구자들이 더 쉽게 접근할 수 있도록 통합 목록을 게시한다.

실험 결과

연구 질문

• RQ1 NLP 연구를 위해 자유롭게 이용 가능한 아랍어 코퍼스와 자원은 무엇이 있는가?
• RQ2 이 자원들은 어떻게 분류되며 어떤 접근 링크가 제공되는가?
• RQ3 아랍어 도메인 전반에 걸친 자유 이용 자원의 커버리지는 어떤가?
• RQ4 자유롭게 이용 가능한 아랍어 말뭉치와 자원에서 남아 있는 격차는 무엇인가?

주요 결과

• 자유롭게 이용 가능한 아랍어 코퍼스 및 자원의 초기 목록 66개를 확인했다.
• 조사에서 다룬 다양한 범주에 걸쳐 결과가 제시된다.
• 가능한 경우 데이터에 접근할 수 있는 직접 링크가 제공된다.
• 연구자들의 접근성을 높이기 위한 자원 목록이 만들어졌다.