ACLJun, 2019
通过最小代价流进行神经解密：从乌加里特语到线性 B 语
Neural Decipherment via Minimum-Cost Flow: from Ugaritic to Linear B
Jiaming Luo, Yuan Cao, Regina Barzilay
TL;DR本文提出一种新颖的神经方法来自动解密失落的语言，该模型利用历史语言学中记录的语言变化模式来补偿强监督信号的缺失。通过将训练过程形式化为最小成本流问题，我们训练模型以非监督的方式工作，该方案在解读乌加里特语方面取得了 5.5％的绝对改进，在解密与古希腊相关的音节语言线性 b 方面，我们的模型能够正确翻译 67.3％的同源词。