實現混合語言的自動識別：烏克蘭語和俄語的「混合體」Surzhyk

• 2019 年 12 月 27 日
• 筆記

原文題目: Towards an automatic recognition of mixed languages: The Ukrainian-Russian hybrid language Surzhyk

摘要： 語言干擾在當今的多語種社會中很常見，越來越多的語言在充滿聯繫的社會中不斷碰撞和接觸，語言干擾是全球性帶來的最終結果之一，導致了混合語言的產生。這些，加上對他們官方語言權力的懷疑，使得計算語言學領域出現了自動識別和待進一步闡述的問題。在這篇文章中，我們提出了一個首次嘗試，以確定烏克蘭語和俄語的混合語言Surzhyk的成分，通過採用程序設計語言R建立的基於實例的規則，我們展開了以下研究：1）分析Del Gaudio（2010）在烏克蘭首都基輔地區註冊的Surzhyk的口語樣本，並創建書面語料庫；2） 制定有關Surzhyk模式識別及其實施的特定規則；3）測試代碼並分析其有效性。

原文作者：Nataliya Sira, Giorgio Maria Di Nunzio, Viviana Nosilia

原文地址：https://arxiv.org/abs/1912.08582