本文综述了土耳其语的语料库和词汇资源，强调公开可用的资源及其数据缺口。研究涉及语码切换、自动词汇简化、少数民族语言技术及历史语料库的处理方法，旨在推动土耳其语言学和自然语言处理的发展。

该文综述混合语言处理研究，涵盖：用序列到序列与copy机制生成混合语数据以提升语音识别；利用预训练多语言模型和语码切换点进行情感分析，准确率与F1提高约11%；用多语言变形器框架缓解跨语言情感分析资源不均；探索代码搭配与混合情感分类在领域迁移中的应用；通过合成标记混合文本改进情感与仇恨言论检测；用Residual CNN+GRU及多任务预训练提升混合语言识别约55.3%；研究跨语言相似度对词性标注和情感分析的影响；提出单一机器翻译模型翻译混合语句；介绍印地语-英语、孟加拉语-英语混合情感分析共享任务；用神经机器翻译生成混合语种句子用于数据增强。

本文综述印地语-英语混合文本情感分析研究，涵盖亚词级LSTM架构（提升含拼写错误文本准确率4-5%）、迁移学习检测攻击语言、大语言模型的英语中心倾向、SemEval-2020任务9发布的Hinglish和Spanglish语料（最佳F1分别为75.0%和80.6%），以及字符三元组集成模型、表情符号跨语言方法和语码切换点算法等。