本文探讨了意大利KIParla语料库树库的初步设计，填补了口语意大利语树库的研究空白，提出了创新设计方法，对后续语言分析和应用具有重要意义。

本研究通过为KIParla语料库构建普遍依赖树库，填补了意大利语资源的空白，丰富了口语意大利语的语言资源，为语言学研究提供了新视角。

本文介绍了IMPACT-es西班牙语语料库及其词汇表，包含800万个单词和多种变体。研究探讨了低资源语言的形态标记器模型、神经网络在标注中的应用，以及Latin BERT模型在拉丁语言处理中的表现。此外，提出了动态嵌入式主题模型和LEMMING模块化模型，展示了在多种语言中的标注准确性和性能改进。

本文探讨了使用通用依赖（UD）分析推文的挑战，提出了扩展UD指南以适应推文结构的方案，并构建了相应的解析系统。研究还介绍了多个语言的树库和依存解析器的开发，展示了迁移学习在低资源语言中的应用效果，提升了模型的准确性。

本文介绍了分析推特的问题，提出扩展UD指南覆盖特殊结构，使用Tweet Treebank v2解决标注歧义，并构建解析为UD的系统。还验证了精简解析器集合的新方法。

该文介绍了一种利用AMR树库进行研究的抽象摘要框架，具有数据驱动、可训练性和不特定于特定领域的特点，并在实验中取得了有希望的结果。