Language Corpus: Section Guide
Guide to the five files in the language corpus section, covering text and speech datasets, natural language processing, lexicography, descriptive grammars, and language pedagogy and policy.
introhigh·
Loading…
Guide to the five files in the language corpus section, covering text and speech datasets, natural language processing, lexicography, descriptive grammars, and language pedagogy and policy.
Ọ̀rọ̀ Yorùbá tí a fà yọ, àwọn òwe, oríkì, ẹsẹ Ifá, orí-ọ̀rọ̀ ìtumọ̀, orúkọ Odù àti àwọn orísun wà gẹ́gẹ́ bí àkójọpọ̀ yìí ti kọ wọ́n sílẹ̀, ní gbogbo èdè.
Apá àkójọpọ̀ èdè náà pèsè ìtọ́kasí kíkún fún ètò ìpìlẹ̀ tí ó jẹ mọ́ ìrísí, ìmọ̀ kọ̀mpútà, ìmọ̀ ìtúmọ̀-ọ̀rọ̀, àti ti ẹ̀kọ́ fún èdè Yorùbá. Ó ṣe àkọsílẹ̀ àwọn irinṣẹ́ ìtàn tí a lò láti ṣe àtúnyẹ̀wò ọ̀rọ̀ sísọ àti kíkọ ní Yorùbá pẹ̀lú àwọn ohun-èlò orí ẹ̀rọ ayélujára ti òde-òní, àwọn ìwọ̀n àkójọ-dátà, àwọn àgbékalẹ̀ gírámà, àti àwọn ìlànà èdè ti àwọn ilé-iṣẹ́. Àwọn fáìlì márùn-ún ṣe àyẹ̀wò bí a ṣe ń ṣe àkọsílẹ̀ Yorùbá nínú àwọn àkójọ àkọsílẹ̀ àti ti ohùn, bí àwọn ẹ̀rọ kọ̀mpútà ṣe ń ṣe àmúlò rẹ̀, bí a ṣe ń pín in sí ẹ̀ka nínú àwọn ìwé atúmọ̀-èdè, bí a ṣe ń ṣe àtúnyẹ̀wò rẹ̀ nínú ìmọ̀ èdè gidi, àti bí a ṣe ń kọ́ ọ nínú àwọn ètò ilé-ẹ̀kọ́ ti ìjọba.
Apá yìí jẹ́ alábàákẹ́gbẹ́ ìmọ̀-ẹ̀rọ sí 02-language, tí ó ń so àlàfo tí ó wà láàárín ìmọ̀ èdè àti àwùjọ tí ó ṣe àpèjúwe àti àwọn ohun-èlò tí a fojú rí tí ó ṣe pàtàkì fún àwòṣe kọ̀mpútà, àtúnyẹ̀wò ẹ̀kọ́, àti ètò èdè [S1, S2]. Fáìlì méjì ló ní ipa ìpìlẹ̀ kíkọjá àwọn ẹ̀ka-ẹ̀kọ́ púpọ̀: Yorùbá Àwọn Ìwé Atúmọ̀-Èdè àti Ìmọ̀ Ìtúmọ̀-Ọ̀rọ̀ (03), èyí tí ó fi hàn bí ìbáṣepọ̀ àwọn ajíhìnrere ní ọ̀rúndún kọkàndínlógún ṣe mú èrò ẹ̀sìn tí kò dọ́gba wọ inú àwọn ìtumọ̀ ọ̀rọ̀, àti Kíkọ́ àti Kíkẹ́kọ̀ọ́ Yorùbá (05), èyí tí ó ṣe àgbékalẹ̀ àṣeyọrí tí a fojú rí àti àwọn ìjàkadi tìṣèlú ti ẹ̀kọ́ èdè ìbílẹ̀ láti orí Àkànṣe Iṣẹ́ Ilé-Ẹ̀kọ́ Alákọ̀ọ́bẹ̀rẹ̀ Ọdún Mẹ́fà ti Ifẹ̀ títí dé àwọn àyípadà ìlànà ìjọba àpapọ̀ ní ìparí ọdún 2025 [S3, S4].
| # | File | One-line summary |
|---|---|---|
| 01 | Yorùbá Text and Speech Corpora | Àwọn àkójọ-dátà tí ó jẹ́ ti èdè méjì papọ̀, èdè kan ṣoṣo, àti ti ohùn tí ó wà fún ìwádìí kọ̀mpútà àti ìmọ̀-èdè, láti JW300 àti MENYO-20k dé NaijaVoices àti Common Voice. |
| 02 | Yorùbá Natural Language Processing and Speech Technology | Àwọn ọ̀nà ìmọ̀ kọ̀mpútà, fífi àmì ohùn kún un fúnra rẹ̀, àwọn ìpèníjà pípín-ọ̀rọ̀-sí-wẹ́wẹ́ (tokenization), ìdámọ̀ ohùn, àti àwọn àgbékalẹ̀ ìyípadà-èdè ẹ̀rọ pẹ̀lú àjọṣepọ̀. |
| 03 | Yorùbá Dictionaries and Lexicography | Ìdàgbàsókè ìtàn ti ìmọ̀ ìtúmọ̀-ọ̀rọ̀ láti orí àwọn àkójọ ọ̀rọ̀ Crowther ní 1843 dé ìwé atúmọ̀-èdè bí i gbédèkẹyọ̀ ti Abraham ní 1958 àti àwọn ibi-ìpamọ́ ọ̀rọ̀ orí ẹ̀rọ ayélujára ti òde-òní. |
| 04 | Yorùbá Grammars and Linguistic Description | Àwọn àgbékalẹ̀ àpèjúwe láti àwọn àkọsílẹ̀ kékèèké ti àwọn ajíhìnrere dé orí àwọn àwòṣe ètò-ìrísí àti ti ìpilẹ̀ṣẹ̀, pẹ̀lú àfiyèsí lórí àwọn ọ̀rọ̀-ìṣe tẹ̀lé-ǹ-tẹ̀lé, àwọn ọ̀rọ̀-ìṣe aṣèpín, ìbáramu fáwẹ́lì, àti àmì-ohùn. |
| 05 | Teaching and Learning Yorùbá | Ìtàn ìlànà èdè ní Nàìjíríà, Àkànṣe Iṣẹ́ Ilé-Ẹ̀kọ́ Alákọ̀ọ́bẹ̀rẹ̀ Ọdún Mẹ́fà ti Ifẹ̀, àwọn ètò-ẹ̀kọ́ inú kíláàsì, ẹ̀kọ́ ní ilẹ̀ òkèèrè, àti ìyípadà ìlànà èdè ìbílẹ̀ ti oṣù Kọkànlá ọdún 2025. |
Yorùbá Text and Speech Corpora ṣe àyẹ̀wò àwọn àkójọ àkọsílẹ̀ ọ̀fẹ́ àti ti àwọn oníṣòwò, àwọn àkójọ-dátà èdè méjì papọ̀, àti àwọn àkójọ ohùn tí ó wà fún ìwádìí [S1, S5]. Ó ṣe àkọsílẹ̀ bí àwọn ọ̀rọ̀ àkọsílẹ̀ èdè méjì papọ̀ nípa ẹ̀sìn ṣe gbilẹ̀ tó, bí i JW300 àti àwọn àkójọ Bíbélì ní onírúurú èdè, pẹ̀lú àwọn àkójọ-dátà oríṣiríṣi bí i MENYO-20k, èyí tí ó mú àwọn ìwọ̀n ìfìdímulẹ̀ wá fún ìròyìn, òwe, ìwé, àti ìṣètò fún àwọn ohun-èlò orí ẹ̀rọ ayélujára [S1,]. Ní ẹ̀ka ohùn, fáìlì náà ṣe àlàyé lórí àwọn àkójọ tí ó bẹ̀rẹ̀ láti Mozilla Common Voice àti BibleTTS títí dé àwọn ìgbésẹ̀ àjọṣepọ̀ àwùjọ ti àìpẹ́ yìí bí i ÌròyìnSpeech àti NaijaVoices [S5,]. Ohun tí a kò tíì ṣe àkọsílẹ̀ rẹ̀ tí ó sì ń fa àríyànjiyàn nínú ìmọ̀ àkójọ èdè ni bí a ṣe ń fi àwọn ẹ̀ka-èdè tí kì í ṣe ti gbogbogbò hàn: àwọn àkójọ àkọsílẹ̀ àti ohùn tí ó wà gbójúfò púpọ̀ sí Yorùbá Kíkọ ti Gbogbogbò àti ìmọ̀-ìró ohùn Ọ̀yọ́, èyí tí ó fi Yorùbá Ìlà-Oòrùn, àwọn ẹ̀ka-èdè etílé ti Àríwá-Ìwọ̀-Oòrùn, àti àwọn èdè àdúgbò ti ìlú ńlá sílẹ̀ láìsí àṣojú tí ó tó nínú àwọn ibi-ìpamọ́ kọ̀mpútà fún gbogbo ènìyàn [S1, S5].
Yorùbá Natural Language Processing and Speech Technology ṣe àyẹ̀wò àwọn ọgbọ́n kọ̀mpútà àti àwọn ìpèníjà iṣẹ́ ìmọ̀-ẹ̀rọ nípa lílo àwọn àwòṣe ẹ̀rọ-akẹ́kọ̀ọ́ sí èdè olóhùn tí ó tún ní ìrísí ọ̀rọ̀ tí ń so mọ́ ara wọn [S2, S6]. Ó pèsè àlàyé ìmọ̀-ẹ̀rọ kíkún lórí Fífí Àmì Ohùn Kún Un Fúnra Rẹ̀ (Automatic Diacritic Restoration, ADR), nípa fífiwéra àwọn ọ̀nà ìbẹ̀rẹ̀ tí ó dá lórí sílébù àti n-gram tí àwọn onímọ̀ kọ̀mpútà ní Nàìjíríà ṣe pẹ̀lú àwọn àgbékalẹ̀ iṣan-ọpọlọ ti tẹ̀lé-ǹ-tẹ̀lé ti òde-òní [S6,, S7]. Fáìlì náà ṣe àtúnyẹ̀wò àwọn ìdíwọ́ pípín-ọ̀rọ̀-sí-wẹ́wẹ́ (tokenization), ní fífihàn bí àwọn ẹ̀rọ pípín-ọ̀rọ̀ tí a ṣe fún èdè Gẹ̀ẹ́sì ṣe ń fọ́ àwọn fáwẹ́lì Yorùbá olóhùn sí àwọn báìtì (bytes) tí kò bára mu, tí ó sì ń dín agbára iṣẹ́ kù nínú Ìdámọ̀ Ohùn Fúnra Rẹ̀ (ASR) àti Ìtumọ̀ Ẹ̀rọ Alágbékalẹ̀ Iṣan-Ọpọlọ (NMT) [S2,]. Ohun tí a kò tíì rí ojútùú sí ni bóyá àwọn àwòṣe ìpìlẹ̀ tí ó pọ̀ ní onírúurú èdè ń kọ́ ìmọ̀ ìtumọ̀ Yorùbá ní tòótọ́ tàbí wọ́n kàn gbẹ́kẹ̀le ìbáramu ọ̀rọ̀ ojú-lasan tí ń bàjẹ́ nígbàkúgbà tí àwọn àṣejù òwe olóhùn tí ó díjú, àwọn àgbékalẹ̀ ọ̀wọ̀, tàbí àwọn òwe àmúlò bá wọ inú rẹ̀ [S2, S6].
Yorùbá Dictionaries and Lexicography tọpasẹ̀ ìtàn ìtòlẹ́sẹẹsẹ ti kíkọ ìwé atúmọ̀-èdè fún nǹkan bí ọ̀rúndún méjì [S3, S8]. Bíbẹ̀rẹ̀ láti orí Vocabulary of the Yoruba Language ti Samuel Àjàyí Crowther ní 1843 àti àtúnṣe rẹ̀ ní 1852, fáìlì náà tẹ̀síwájú gba orí àkójọ Thomas Jefferson Bowen ní 1858, ìwé atúmọ̀-èdè Church Missionary Society (CMS) ti 1913, àti ìwé atúmọ̀-èdè pàtàkì Dictionary of Modern Yoruba ti Roy Clive Abraham ní 1958 [S3, S8, S9]. Ó tún ṣe àyẹ̀wò ìmọ̀ ìtúmọ̀-ọ̀rọ̀ orí ẹ̀rọ ayélujára ti òde-òní, títí kan iṣẹ́ àkójọ ibi-ìpamọ́ ọ̀rọ̀ fún ọ̀pọ̀lọpọ̀ ọdún ti Yíwọlá Awóyalé [S10]. Fáìlì náà tọ́ka sí bí àwọn aṣèwé atúmọ̀-èdè tí wọ́n jẹ́ ajíhìnrere ìbẹ̀rẹ̀ ṣe yí àwọn ọ̀rọ̀ àṣà àti ti ìmọ̀-ìbẹ̀rẹ̀-ayé padà nípa fífipá ti àwọn èrò ẹ̀sìn ìbílẹ̀ sínú àwọn ẹ̀ka ẹ̀sìn Kristẹni ti àkókò Victorian, pàápàá jùlọ nípa yíyí Èṣù padà sí "Satan" tàbí "devil" àti ẹbọ sí "heathen sacrifice" [S3, S8]. Ohun tí ó ṣì ń fa àríyànjiyàn nínú ìmọ̀ ìtúmọ̀-ọ̀rọ̀ ti òde-òní ni ètò ọ̀rọ̀-orí (lemma) tí ó tọ́ fún àwọn àpapọ̀ ọ̀rọ̀ afólúkè, àwọn àpèjúwe-ìró (ideophones), àti àwọn ọ̀rọ̀-ìṣe aṣèpín, pẹ̀lú àfihàn tí ó wà ní ìlànà fún àwọn ẹ̀ka-èdè nínú ìwé atúmọ̀-èdè [S8, S10].
Yorùbá Àwọn Gírámà àti Àpèjúwe ìmọ̀-èdè ṣàlàyé ní kíkún nípa ìdàgbàsókè àwọn àpèjúwe àti àbá ìmọ̀-èdè lórí ìtúpalẹ̀ gbólóhùn, ìró èdè, àti ìrísí ọ̀rọ̀ nínú Yorùbá [S11, S12]. Ó tọpinpin ìtẹ̀síwájú láti orí àwọn gírámà tí a gbé karí èdè Látìnì ní ọ̀rúndún kọkàndínlógún dé orí àwọn ẹ̀kọ́ fònẹ́tíìkì ti Ida Ward ní 1952, ìwé 1966 ti Ayọ̀ Bámgbóṣé's tí ó dá lórí ìmọ̀ ìgbékalẹ̀ èdè tí àkọlé rẹ̀ ń jẹ́ A Grammar of Yoruba, àti Essentials of Yoruba Grammar (1978) ti Ọladele Awóbùlúyì [S11, S12, S13]. A ṣe àtúnyẹ̀wò kíkún lórí àwọn àríyànjiyàn pàtàkì nínú àbá ìmọ̀-èdè, títí kan ìtúpalẹ̀ gírámà lórí àpèpọ̀ ọ̀rọ̀-ìṣe (Serial Verb Constructions - SVCs) ní ìfiwéra pẹ̀lú ọ̀rọ̀-ìṣe aṣèpín (splitting verbs), àwọn òfin fònọ́lọ́jì ti ìbámu fáwẹ́lì Advanced Tongue Root (ATR) kọjá àwọn fáwẹ́lì àárín (/e, o/ lòdì sí /ẹ, ọ/), àti ipò tí àwọn àmúlẹ̀ olùwà (subject clitics) wà [S12, S14]. Ohun tí ó ṣì jẹ́ kókó àríyànjiyàn nínú àbá ìmọ̀-èdè ni bóyá àwọn ọ̀rọ̀-ìṣe aṣèpín jẹ́ ẹyọ mọ́fíìmù ọ̀tọ̀ tàbí tẹ̀lélọ́tẹ̀lẹ́ gírámà ti àwọn ọ̀rọ̀-ìṣe aládàáni tí ń ṣiṣẹ́ lábẹ́ àwọn ìkálọ́wọ́kò lẹ́síkà tó lágbára [S11, S12].
Kíkọ́ni àti Kíkọ́ Yorùbá ń ṣàyẹ̀wò ìfètòsípò èdè, ìkọ́ni ní àwọn ilé-ẹ̀kọ́, àti ìlànà ìmọ̀ èdè àti àwùjọ ní Nigeria àti láàárín àwọn ọmọ Yorùbá káàkiri àgbáyé [S4, S15]. Ó ṣe àkọsílẹ̀ ìtàn ìwádìí lórí ẹ̀kọ́ ní èdè abínibí, pẹ̀lú àfiyèsí pàtàkì sí Six-Year Primary Project (1970–1978) ti Ọ̀jọ̀gbọ́n Aliu Babátúndé Fáfunwa ní Ifẹ̀, èyí tí ó fi hàn nípasẹ̀ ẹ̀rí gidi pé àwọn akẹ́kọ̀ọ́ alákọ̀ọ́bẹ̀rẹ̀ tí a fi Yorùbá kọ́ ní gbogbo ẹ̀kọ́ ní ìdàgbàsókè ìmòye tí ó ga jù àti àṣeyọrí ẹ̀kọ́ tí ó dára jù nínú èdè Gẹ̀ẹ́sì ní ilé-ẹ̀kọ́ girama ju àwọn akẹ́kọ̀ọ́ tí a kọ́ nípasẹ̀ èdè Gẹ̀ẹ́sì nìkan lọ [S4, S15]. Àkọsílẹ̀ náà ṣe àgbékalẹ̀ àwọn àkóónú 1977 National Policy on Education ti Nigeria àti 2022 National Language Policy, ó sì ṣe àtúnyẹ̀wò ìyípadà ìlànà tí a kéde ní Oṣù Kọkànlá 2025 tí ó fòpin sí àṣẹ láti kọ́ni ní èdè abínibí ní ilé-ẹ̀kọ́ alákọ̀ọ́bẹ̀rẹ̀ [S15, S16]. Ohun tí ó ṣì ń fa àríyànjiyàn ni aáwọ̀ ẹ̀kọ́ tó wà láàárín ẹ̀rí ìmọ̀-èdè àti ìmọ̀-ọpọlọ tí ó fọwọ́ sí kíkọ́ èrò ní èdè abínibí àti ipò gíga ti èdè Gẹ̀ẹ́sì nípa ti àwùjọ àti ètò-ọ̀rọ̀ èyí tí ń fa àtakò láti ọ̀dọ̀ àwọn òbí ní àwọn ìlú ńlá [S4, S16].
Fún àwọn onímọ̀-èdè kọ̀m̀pútà àti àwọn olùwádìí NLP: Bẹ̀rẹ̀ pẹ̀lú Yorùbá Àwọn Àkójọpọ̀ Ọ̀rọ̀ Àkọsílẹ̀ àti Ohùn láti mọ ìpínkiri àti ààlà àwọn dátà tí ó wà lárọ̀ọ́wọ́tó, tẹ̀síwájú sí Yorùbá Ìgbékalẹ̀ Èdè Àdánidá àti Imọ̀-ẹ̀rọ Ohùn fún àwọn ìgbékalẹ̀ àpẹẹrẹ àti àwọn ìpèníjà pípín ọ̀rọ̀, kí o sì wo Yorùbá Àwọn Gírámà àti Àpèjúwe ìmọ̀-èdè láti ní ìmọ̀ kíkún lórí àwọn ìkálọ́wọ́kò gírámà tí ń darí àmì-ohùn àti àpèpọ̀ ọ̀rọ̀-ìṣe.
Fún àwọn onímọ̀ àbá-èdè àti àwọn olùṣètò àtúmọ̀-èdè: Bẹ̀rẹ̀ pẹ̀lú Yorùbá Àwọn Gírámà àti Àpèjúwe ìmọ̀-èdè fún àwọn àríyànjiyàn pàtàkì lórí ìgbékalẹ̀, lọ sí Yorùbá Àwọn Ìwé-atúmọ̀-èdè àti Ìṣètò Àtúmọ̀-èdè láti ṣe ìgbéléwọ̀n ìpínsísọ̀rí àwọn ọ̀rọ̀ àti ojúsàájú ti àwọn míṣọ́nnárì nínú ìtàn, kí o sì tọ́ka sí Yorùbá Àwọn Àkójọpọ̀ Ọ̀rọ̀ Àkọsílẹ̀ àti Ohùn fún ìmúdájú tí ó dá lórí ẹ̀rí kọjá oríṣiríṣi irú ìwé àkọsílẹ̀.
Fún àwọn olùkọ́, àwọn onítàn, àti àwọn olùtúpalẹ̀ ìlànà: Kọ́kọ́ ka Kíkọ́ni àti Kíkọ́ Yorùbá láti lóye ìtàn ìṣèlú àti ti ẹ̀kọ́ nípa ìfètòsípò èdè ní Nigeria, lẹ́yìn náà lọ sí Yorùbá Àwọn Ìwé-atúmọ̀-èdè àti Ìṣètò Àtúmọ̀-èdè láti lóye àkọsílẹ̀ àti ìtòlẹ́sẹẹsẹ èdè nígbà ìjọba amúnisìn, kí o sì parí rẹ̀ pẹ̀lú Yorùbá Ìgbékalẹ̀ Èdè Àdánidá àti Imọ̀-ẹ̀rọ Ohùn láti ṣe àtúnyẹ̀wò ìtọ́jú èdè lórí ẹ̀rọ ayélujára.
Abala yìí dá lórí ìtúpalẹ̀ ìmọ̀-èdè, àwọn àkójọpọ̀ ọ̀rọ̀ àkọsílẹ̀ àti ohùn, ìtọ́kasí ìtumọ̀ ọ̀rọ̀, àwọn irinṣẹ́ kọ̀m̀pútà, àti ìlànà ẹ̀kọ́ nìkan.
Lítíréṣọ̀ àtẹnudẹ́nu ti àṣà Yorùbá, bíi ewì ifá Odù Ifá igba ó lé mẹ́rìndínlọ́gọ́ta (256), ewì oríkì oríkì, lítíréṣọ̀ àbáláyé, àti àwọn òwe (òwe), wà lábẹ́ 02-language, 05-ifa, àti 06-orisa. Àwọn ìpìlẹ̀ ẹ̀kọ́ ìmọ̀-ẹ̀mí lórí orí (àyànmọ́/orí inú), àṣẹ (agbára ẹ̀mí aṣẹ̀dá), àti ìwà (ìwà) ni a ṣe àtúnyẹ̀wò wọn nínú 04-cosmology. Àwọn àjọsọ ìmọ̀ èdè àti àwùjọ nípa ìdílé èdè Niger-Congo lápapọ̀ àti ìṣípòpadà àwọn ẹ̀ka-èdè nínú ìtàn wà lábẹ́ 01-the-yoruba-language.
Gbogbo àwọn àkọsílẹ̀ nípa àwọn déètì ìtàn, àwọn ìwé gírámà tí a tẹ̀jáde, ìpínkiri àkójọpọ̀ dátà, àti àwọn ìyípadà ìlànà ìjọba ní àtìlẹ́yìn tààrà láti inú àwọn ìwé ìmọ̀ ẹ̀kọ́ tí a ṣe àkọsílẹ̀ wọn nísàlẹ̀ yìí.
[S1] David Ifeoluwa Adelani et al., "MENYO-20k: A Multi-domain English-Yorùbá Corpus for Machine Translation and Domain Adaptation," Proceedings of the 3rd Workshop on African Natural Language Processing (AfricaNLP) (Association for Computational Linguistics, 2021), pp. 1-9. https://arxiv.org/abs/2103.08647
[S2] Masakhane Community et al., "Participatory Research for Low-resourced Machine Translation: A Case Study in African Languages," Findings of the Association for Computational Linguistics: EMNLP 2020 (Association for Computational Linguistics, 2020), pp. 2144-2160. https://aclanthology.org/2020.findings-emnlp.195/
[S3] Samuel Àjàyí Crowther, A Vocabulary of the Yoruba Language (London: Church Missionary Society / Seeleys, 1852), pp. 1-291. []
[S4] Aliu Babs Fáfunwa, Joel Iyanda Macauley, and J. A. Funso-Sokoya, eds., Education in Mother Tongue: The Ife Primary Education Research Project (1970–1978) (Ibadan: University Press Limited, 1989), pp. 1-196. [,]
[S5] Iroro Orife et al., "ÌròyìnSpeech: A Multi-purpose Yorùbá Speech Corpus," Proceedings of the 2024 Joint International Conference on Computational Linguistics, Language Resources and Evaluation (LREC-COLING 2024) (ELRA and ICCL, 2024), pp. 8352-8362. []
[S6] Iroro Orife, "Attentive Sequence-to-Sequence Learning for Diacritic Restoration of Yorùbá Language Text," Interspeech 2018 (ISCA, 2018), pp. 2843-2847. https://doi.org/10.21437/Interspeech.2018-2457 []
[S7] Franklin O. Asahiah, H. A. Soriyan, and F. J. Ogwu, "Diacritic Restoration for Standard Yorùbá Text Using Syllable-Based Statistical Machine Translation," International Journal of Advanced Computer Science and Applications 8, no. 10 (2017), pp. 210-217.
[S8] Roy Clive Abraham, Dictionary of Modern Yoruba (London: University of London Press, 1958), pp. iii-xli, 1-776. []
[S9] Church Missionary Society, A Dictionary of the Yoruba Language (Lagos: C.M.S. Bookshop, 1913; reprinted Oxford University Press, 1937), pp. 1-243.
[S10] Yíwọlá Awóyalé, Global Yorùbá Lexical Database v. 1.0 (Initiative for Bicultural Studies / Linguistic Data Consortium, 2008).
[S11] Ayọ̀ Bámgbóṣé, A Grammar of Yoruba (West African Language Monograph Series, 5; Cambridge: Cambridge University Press in association with the West African Languages Survey, 1966), pp. 1-175. []
[S12] Ọladele Awóbùlúyì, Essentials of Yoruba Grammar (Ibadan: Oxford University Press Nigeria, 1978), pp. 1-158. []
[S13] Ida C. Ward, An Introduction to the Yoruba Language (Cambridge: W. Heffer & Sons, 1952), pp. 1-255. []
[S14] Diana Archangeli and Douglas Pulleyblank, "Yoruba Vowel Harmony," Linguistic Inquiry 20, no. 2 (1989), pp. 173-218. https://www.jstor.org/stable/4178624 []
[S15] Federal Republic of Nigeria, National Policy on Education (Lagos: Federal Ministry of Information / NERDC Press, 1977; revised 2004, 2013). []
[S16] Federal Ministry of Education, National Language Policy: Language Provisions and Implementation Guidelines (Abuja: Federal Ministry of Education, 2022). []
[S17] Abdulrosheed Fadipe, "The Federal Government of Nigeria Reverses Its 2022 National Language Policy," Global Voices Language Advocacy Report (December 2025). https://globalvoices.org/2025/12/11/nigeria-reverses-language-policy/ []
A comprehensive scholarly survey of documented Yorùbá lexical databases, parallel machine translation corpora, named entity benchmarks, and speech datasets.
A comprehensive scholarly survey of Yorùbá computational linguistics, covering automatic diacritic restoration, machine translation, speech recognition, speech synthesis, and community benchmarks.
The historical development of Yoruba dictionary-making from nineteenth-century missionary foundations through modern computational lexical databases.
A scholarly analysis of major reference grammars, foundational syntactic debates, and dialectological classifications in Yorùbá linguistics.
An analysis of Yorùbá language pedagogy, instructional materials, second-language tone acquisition research, and mother-tongue education policy in Nigeria.
An analysis of the Yorùbá three-level register tone system, demonstrating through minimal pairs and grammatical operations why tone is an essential phonemic component rather than optional decoration.