arXiv cs.CL· Olivier Kraif (LIDILEM), Cyrille Fran\c{c}ois (UNIL), Elnaz Jalilian (LIDILEM), Natacha Rimasson-Fertin (ILCEA4), Pascale Roux (XXI)·· 11 小时前AI 评分18
ParaTaxe 发布多平行语料处理与发布工具套件
ParaTaxe: a Suite of Tools for Processing and Publishing Multi-parallel Corpora
AI 导读
ACR Grimm Tradalign 与 ParaTaxe 项目推出开源工具套件，用于处理与发布多平行语料。套件包含基于多语言嵌入向量的 AIlign 对齐器、Python 语料转换与对齐流水线、管理平行语料集合的 ParaTaxe 网页界面，以及基于 TEI-Publisher 构建的对齐语料浏览界面。该套件旨在解决学术平行语料因缺乏维护或资金而迅速无法在线访问的问题。
正文 · AI 翻译
摘要：在过去十五年中，数字人文领域用于文本语料库并行化与对齐的数字工具取得了显著发展。已经创建了多个项目和软件工具，用于比较文本的不同译本或版本。尽管取得了这些技术进步，许多在学术背景下产生的平行语料库由于缺乏维护或资金支持，很快就在网上无法访问。为填补这一空白，我们展示了一套在 ACR Grimm Tradalign 和 ParaTaxe 项目中开发的开源工具。这套工具包括基于多语言嵌入的 AIlign 对齐器、用于转换和对齐语料库的 Python 处理流水线、名为 ParaTaxe 的用于管理平行语料库集合的 Web 界面，以及一个使用 TEI-Publisher 构建的用于探索对齐语料库的 Web 界面。
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2610.32796 [cs.CL] |
| （或 arXiv:2610.32796v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.32796 由 DataCite 颁发的 arXiv DOI（待注册） |
|
| 期刊 参考： | JADT 2026，第18届文本数据统计分析国际会议，文化协会 StatPanormus 与巴勒莫大学合作举办，2026年7月，巴勒莫（意大利），意大利。第 Online ISBN: 978-88-5509-883-0 页 |
提交历史
来自：Olivier Kraif [查看电子邮件] [通过 CCSD 代理]
[v1]
2026年10月23日星期五 15:38:40 UTC（329 KB）
来源：arXiv cs.CL · arxiv.org