I can tell whether you are a Native Hawlêri Speaker! How ANN, CNN, and RNN perform in NLI-Native Language Identification
University of Kurdistan Hewlêr（库尔德斯坦休勒大学）
本研究通过ANN、CNN和RNN模型评估了Hewlêri亚方言的NLI性能，发现RNN在5秒音频分割中准确率高达95.92%。
2026-02-11 cs.CL
Kurdish (Sorani) Speech to Text: Presenting an Experimental Dataset
University of Kurdistan Hewlêr（库尔德斯坦大学（休勒尔））
我们提出了一个实验数据集，基本数据集的索拉尼库尔德语自动语音识别（BD-4SK-ASR），我们在第一次尝试中使用的索拉尼库尔德语的自动语音识别。该项目的目标是开发一个系统，可以根据伊拉克库尔德斯坦地区小学一至三年级使用的词汇自动识别简单句子。我们使用CMUSphinx作为我们的实验环境。我们开发了一个数据集来训练系统。该数据集在CC BY-NC-SA 4.0许可证下公开用于非商业用途。
2019-12-02 cs.CL cs.SD eess.AS
Shifting from endangerment to rebirth in the Artificial Intelligence Age: An Ensemble Machine Learning Approach for Hawrami Text Classification
University of Kurdistan Hewlêr（库尔德斯坦休莱尔大学）
针对濒危语言Hawrami的文本分类研究空白，本文基于6854篇文章构建数据集，使用KNN、Linear SVM、LR和DT等机器学习模型进行分类，发现Linear SVM以96%的准确率表现最优。
2024-09-25 cs.CL
Part of Speech Tagging (POST) of a Low-resource Language using another Language (Developing a POS-Tagged Lexicon for Kurdish (Sorani) using a Tagged Persian (Farsi) Corpus)
标注语料库在广泛的自然语言处理中起着至关重要的作用。词性标注是标注语料库建设的关键。它既费时又费力，而且成本高昂，因此，如果实现自动化，它可能更便宜。库尔德语目前缺乏公开可用的适当大小的标记语料库。标记公开可用的库尔德语语料库可以将这些资源的能力提高到比原始或分割语料库所能提供的更高的水平。开发POS标记的词典可以帮助完成上述任务。我们使用标记语料库（Bijankhan语料库）在波斯语（波斯语）作为一个接近库尔德语开发一个POS标记的词汇。本文提出了利用与库尔德语关系密切的语言资源丰富库尔德语资源的方法。结果的部分数据集在CC BY-NC-SA 4.0许可下可在https://kurdishblark.github.io/公开用于非商业用途。我们计划在对结果进行进一步调查后，提供整个标记语料库。该数据集可以帮助开发其他库尔德方言的POS标记词汇和自动库尔德语料库标记。
2022-01-30 cs.CL
Domain-Specific Machine Translation to Translate Medicine Brochures in English to Sorani Kurdish
University of Kurdistan Hewlêr（库尔德斯坦大学（赫wlêr））
针对库尔德语药品说明书缺乏的问题，利用平行语料库训练统计机器翻译模型，将英文说明书译为索拉尼库尔德语，并通过医学词典后处理提升BLEU分数，人工评估显示翻译准确且清晰。
2025-01-23 cs.CL
Named Entity Recognition for the Kurdish Sorani Language: Dataset Creation and Comparative Analysis
Technical College of Informatics, Sulaimani Polytechnic University（苏姆亚尼理工学院，苏姆亚尼理工学院大学）；Kurdistan Technical Institute（库尔德技术学院）
本文提出了首个库尔德语索拉尼语命名实体识别数据集，通过比较分析发现传统方法在低资源环境下表现更优。
2025-11-27 cs.CL
Automatic Text Summarization (ATS) for Research Documents in Sorani Kurdish
University of Kurdistan（库尔德大学）
本研究针对索拉尼库尔德语构建了基于231篇科学论文的数据集和语言模型，采用句子加权与TF-IDF算法进行摘要实验，最佳ROUGE准确率19.58%，为库尔德语NLP提供资源。
2025-04-20 cs.CL
A Rule-based Kurdish Text Transliteration System
Paris Descartes University（巴黎笛卡尔大学）
在这篇文章中，我们提出了一个基于规则的方法来音译两个最常用的拼写在索拉尼库尔德语。我们的工作包括检测一个字，通过消除可能的歧义和映射到目标正字法。我们描述了不同的挑战，在库尔德语文本挖掘，并提出了新的想法有关的音译任务的索拉尼库尔德语。我们的音译系统，命名为Wergor，达到82.79%的整体精度和超过99%的检测双重使用的字符。我们还提出了一个手动音译语料库库尔德语。
2018-11-26 cs.CL
Mining Mental Health Signals: A Comparative Study of Four Machine Learning Methods for Depression Detection from Social Media Posts in Sorani Kurdish
University of Kurdistan Hewlêr（库尔德斯坦大学）
本研究首次针对索拉尼库尔德语推文构建抑郁症检测数据集，并比较四种机器学习模型，其中随机森林以80%的准确率和F1分数取得最佳效果，为该语言环境下的自动化抑郁症检测建立了基线。
2025-08-18 cs.CL cs.LG
Towards Machine Translation for the Kurdish Language
Insight Centre for Data Analytics（洞察数据 analytics 中心）；National University of Ireland Galway（爱尔兰国立高威大学）
机器翻译是使用计算机将文本从一种语言翻译成另一种语言的任务。它一直是自然语言处理和计算语言学的主要任务之一，并一直在促进人类的交流。库尔德语是一种印欧语言，由于语言资源较少，在这一领域很少受到关注。因此，在本文中，我们正在解决的主要问题，在创建一个机器翻译系统的库尔德语，重点是索拉尼方言。我们描述了适用于训练神经机器翻译模型索拉尼库尔德语-英语翻译可用的稀缺并行数据。我们还讨论了库尔德语翻译中的一些主要挑战，并演示了基本的文本处理任务（如标记化）如何提高翻译性能。
2020-10-12 cs.CL
Where Are You From? Let Me Guess! Subdialect Recognition of Speeches in Sorani Kurdish
University of Kurdistan Hewlêr（库尔德斯坦大学（埃尔比勒））
本文通过实地采集伊拉克库尔德斯坦地区六种索拉尼库尔德语次方言的107段语音数据，对比ANN、CNN和RNN-LSTM模型，发现RNN-LSTM在过采样平衡数据集上准确率最高达96%。
2024-03-29 cs.CL cs.SD eess.AS
Leveraging Multilingual News Websites for Building a Kurdish Parallel Corpus
Insight Centre for Data Analytics（数据 analytics 洞察中心）；National University of Ireland Galway（爱尔兰国立高威大学）；University of Kurdistan Hewlêr（埃尔比勒库尔德斯坦大学）；Koya University（科亚大学）
机器翻译已经成为自然语言处理发展的主要动力。尽管由于深度学习方法，在创建更高效的机器翻译系统方面取得了迅速的成就，但平行语料库仍然是该领域进步不可或缺的。在试图创建平行语料库的库尔德语，在本文中，我们描述了我们的方法在检索潜在的可重复的新闻文章从多语言网站和手动对齐它们跨方言和语言的基础上的词汇相似性和音译脚本。我们提出了一个语料库，包含12,327翻译对库尔德语，索拉尼语和Kurmanji的两个主要方言。我们还提供1，797和650对英语-Kurmanji和英语-Sorani翻译。该语料库在CC BY-NC-SA 4.0许可证下公开可用。
2020-10-04 cs.CL
Can Linguistic Distance help Language Classification? Assessing Hawrami-Zaza and Kurmanji-Sorani
University of Kurdistan Hewlêr（库尔德斯坦赫勒大学）
考虑Hawrami和Zaza（Zazaki）独立的语言或语言的方言已经在积极研究伊朗语言的语言学家中讨论和辩论了一段时间。这些语言/方言是否属于库尔德语，或者它们是否是伊朗语言的独立后裔，这个问题由麦肯齐（1961）回答。然而，大多数说方言的人反对这个答案。他们的不赞成主要是基于社会学，文化和历史的方言之间的关系。虽然Hawrami和Zaza的情况仍然没有得到探讨和研究，但对于Kurmanji和Sorani作为库尔德方言的分类几乎存在一致的意见。针对上述案例的相关研究主要是定性研究。然而，计算语言学可以从定量的角度来处理这个问题。在这项研究中，我们从语言距离的角度来研究三个问题。首先，考虑到两者之间没有共同的地理共存，Hawrami和Zaza是多么相似或不同。第二，Kurmanji和Sorani在地理上有重叠。最后，所有这些方言之间的距离是多少？我们基于我们的计算这些方言（语言）的语音表示，我们计算各种语言之间的距离对。我们分析数据并讨论结果以得出结论。
2021-10-27 cs.CL
Towards Finite-State Morphology of Kurdish
Insight Centre for Data Analytics, National University of Ireland Galway（爱尔兰国立大学戈尔韦分校Insight数据分析中心）；University of Kurdistan Hewlêr（库尔德斯坦埃尔比勒大学）
词法分析是对词的构成和结构的研究。它在自然语言处理（NLP）和计算语言学（CL）的各种任务中发挥着至关重要的作用，例如机器翻译以及文本和语音生成。库尔德语是一种资源较少的多方言印欧语言，具有高度曲折的形态。本文首次尝试从计算的角度对库尔德语（索拉尼方言）的词法进行描述。我们提取的形态规则被转换成有限状态转换器生成和分析的话。这项研究的结果有助于进行语言生成的库尔德语的研究，并提高了信息检索（IR）的语言能力，同时利用库尔德语的NLP和CL到一个更先进的计算水平。
2020-05-21 cs.CL
Developing a Fine-Grained Corpus for a Less-resourced Language: the case of Kurdish
University of Kurdistan Hewlêr（库尔德斯坦大学（ Hewlêr））；Insight Centre for Data Analytics（数据 analytics 洞察中心）；National University of Ireland Galway（爱尔兰国立高威大学）
库尔德语是一种资源较少的语言，由不同的方言组成，以各种文字书写。在不同的国家，大约有3000万人说这种语言。语料库的缺乏是库尔德语处理的主要障碍之一。本文介绍了由31本Sorani方言的K-12教材组成的库尔德语教材语料库KTC。语料库被规范化并分类为12个教育主题，包含693，800个标记（110，297种类型）。我们的资源根据CC BY-NC-SA 4.0许可证公开用于非商业用途。
2019-09-25 cs.CL
The First Parallel Corpora for Kurdish Sign Language
University of Kurdistan Hewlêr（库尔德斯坦休勒大学）
该研究构建了首个库尔德语-库尔德手语平行语料库，提出基于虚拟形象的自动翻译方法，使用统计机器翻译引擎，BLEU准确率达53.8%，并计划公开资源。
2023-05-11 cs.CL
Biomedical Machine Translation for Low-Resource Arabic-Script Languages via Cross-Lingual Transfer and LoRA Adapter Merging
研究针对阿拉伯语脚本低资源语言生物医学翻译稀缺问题，利用阿拉伯语和波斯语作枢纽，通过LoRA微调训练特定领域适配器，评估少样本学习、最小监督适应及零数据LoRA适配器合并三种策略，展现不同策略效果及跨语言转移局限性。
2026-07-27 cs.CL
The Role of Orthographic Consistency in Multilingual Embedding Models for Text Classification in Arabic-Script Languages
University of Kurdistan Hewler（库尔德斯坦赫勒大学）；Soran University（索兰大学）；University of Technology Sydney（悉尼科技大学）；Torrens University Australia（澳大利亚托伦斯大学）；Sunway University Malaysia（马来西亚双威大学）；University of Kragujevac（克拉古耶瓦茨大学）；University of Tehran（德黑兰大学）
针对共享阿拉伯文字但正字法不同的语言，提出四个语言定制的 AS-RoBERTa 模型，并证明文字聚焦预训练可使文本分类性能超过 mBERT 与 XLM-RoBERTa 2–5 个百分点。
2025-07-24 cs.CL
Which one Performs Better? Wav2Vec or Whisper? Applying both in Badini Kurdish Speech to Text (BKSTT)
University of Kurdistan Hewlêr（库尔德斯坦大学）
本研究针对资源匮乏的 Badini 库尔德语构建语音转文本系统，利用约15小时预处理后的儿童故事语音数据，比较了 Wav2Vec2-Large-XLSR-53 和 Whisper-small 模型，发现前者在准确率和可读性上显著优于后者。
2025-08-13 cs.CL
