Identifying Rare Languages in Common Crawl Data is a Needles-in-a-Haystack Problem

Rasul Dent, Pedro Ortiz Suarez, Thibault Clérice, Benoît Sagot
nov. 1, 2025
PDF Hal
Rasul Dent
Rasul Dent
Doctorant

Détection de langue sous grandes contraintes de traitement à la seconde

Thibault Clérice
Thibault Clérice
Chercheur

Corpus, relations et gestion de projet

Benoît Sagot
Benoît Sagot
Directeur de Recherche - Co-porteur du projet

Inria Senior Researcher en Natural Language Processing