Le China Asean Language Intelligence Institute construit indépendamment un corpus multilingue
Ces dernières années, avec le développement rapide de l'intelligence artificielle et de la technologie de traitement du langage naturel, la construction du corpus multilingue est devenue un fondement important pour promouvoir la communication entre langue et l'innovation technologique. Le China Asean Research Institute of Language Intelligence (ci-après dénommé «l'Institut») a récemment annoncé qu'elle avait réussi à construire un corpus multilingue couvrant les principales langues des dix pays de l'Asean, visant à promouvoir l'interopérabilité linguistique, la diffusion culturelle et la coopération technologique intelligente entre la Chine et les pays de l'Asean.
La construction de ce corpus comble non seulement l'écart dans le domaine des ressources linguistiques multilingues en Chine, mais fournit également un support de données de haute qualité pour les applications d'intelligence artificielle telles que la traduction automatique, la reconnaissance de la parole et l'analyse de texte. Voici un aperçu des principales caractéristiques et des données de ce corpus:
| Types de langues | Échelle de corpus (100 millions de mots) | Zones de couverture | Source de données |
|---|---|---|---|
| Chinois | 50 | Nouvelles, droit, science et littérature | Publications publiques, documents gouvernementaux |
| thaïlandais | 12 | Médias sociaux, nouvelles, voyages | Fourni par les institutions de rampe de réseau et de coopération |
| vietnamien | 10 | Économie, cultures, éducation | Documents académiques, médias d'information |
| malais | 8 | Affaires, droit, conversations quotidiennes | Coopération des entreprises, agence de traduction |
| indonésien | 8 | Nouvelles, médias sociaux, cinéma et télévision | Ensembles de données publiques, Rabord de réseau |
Scénarios d'application du corpus
La construction de ce corpus fournit une prise en charge de base pour les applications dans plusieurs champs, notamment: principalement:
1 et 1Traduction automatique: Grâce à un corpus parallèle multilingue de haute qualité, l'Institut a formé un modèle de traduction qui prend en charge les paires de langues telles que chinois-anglais, chinois-thaïlande et chinois-vietnam, et la précision de la traduction est considérablement améliorée.
2Reconnaissance vocale: Les données vocales du corpus fournissent du matériel de formation aux systèmes de reconnaissance vocale des pays de l'ANASE, aidant à développer des applications telles que les assistants vocaux intelligents et les systèmes de service client.
3 et 3Récupération d'informations transversales: Les utilisateurs peuvent rechercher un contenu connexe dans les langues de l'ANASE via des mots clés chinois, ce qui facilite considérablement la recherche académique et l'acquisition d'informations commerciales.
4Communication culturelle et recherche: Le contenu de la littérature, du cinéma et de la télévision dans le corpus fournit aux érudits culturels de riches matériaux analytiques et favorise les échanges culturels entre les pays de la Chine et de l'Asean.
Planification future
L'institut a déclaré que les types d'échelle et de langue du corpus seront élargis à l'avenir et prévoit d'inclure davantage de petites langues de l'Asean telles que le birman et le cambodgien. Dans le même temps, l'institut coopérera avec les institutions universitaires et les entreprises dans les pays de l'ANASE pour promouvoir le partage ouvert du corpus et contribuer à la recherche mondiale sur l'intelligence linguistique.
La construction de ce corpus multilingue n'est pas seulement une réalisation importante du China Asean Institute of Language Intelligence, mais fournit également un fort soutien à l'interopérabilité linguistique et à la coopération technique dans le cadre de l'initiative "Belt and Road". Avec l'avancement continu de la technologie de l'intelligence artificielle, les perspectives d'application du corpus multilingue seront plus larges.
Vérifiez les détails
Vérifiez les détails
fr
