Jan, 2022

关于 apadana 的 Karaka-Yogyata 捕捉策略

PDF
TL;DR本文探讨了如何使用印度哲学的思想来开发一种语言技术工具，实现单词的‘Yogyatā’，从而进行词义消歧以提升口头认识，在此过程中使用了 'ontological tag-set' 标签集合等方法。
language technologycomputational linguisticsword sense disambiguationyogyatāontological tag-set
发现论文，激发创造
  • 基于梵语知识的系统：注释和计算工具

    通过自动构建知识图谱的框架、引入本体驱动和通用任务的注释工具，以及提供多样化的网页界面、工具和软件库，我们在梵语的知识系统发展中解决了挑战与机遇，尤其在问答方面。这些贡献不仅提高了梵语文本分析的可访问性和准确性，而且为知识表达和语言处理领域的进一步发展铺平了道路。最终，这项研究对于保护、理解和利用梵语文本中所蕴含的丰富语言信息具有重要意义。

    Jun, 2024

  • 基于半结构化阿育吠陀文本的语义注释和查询框架

    本文描述了手动注释梵文文本，为知识图创建做出了努力。构建的知识图包含 410 个实体和 764 个关系，涵盖了 Bhavaprakashanighantu 的各种属性。

    Feb, 2022

  • 自动构建知识图谱的梵语问答框架

    通过构建一个知识图谱以及应用该图谱回答事实型问题，本文探讨了从梵语文本中提取特定关系的难题，分析了系统在每个步骤中的不足之处，并讨论了未来的可能发展方向。

    Oct, 2023

  • 从计算语言学的角度看梵语诗歌的美学：以《十首教训颂》为案例研究

    通过提出一个可解释性框架的路线图，本文探索了梵文诗歌与计算语言学的交集，以分析和分类精美梵文诗歌的特质和特点。通过从六个重要的 kavyashastra 学派的角度对梵文诗歌 Siksastaka 进行深入分析，提供了诗歌分析和注释的网页应用，为未来研究做出了贡献。

    Aug, 2023

  • 基于语言学的梵语词汇、句法和语义任务的神经网络结构

    通过自然语言技术，本论文的主要目标是使梵语手稿更便于最终用户使用。梵语的形态丰富、合成、词序自由和资源匮乏性为开发深度学习解决方案带来了重大挑战。论文针对四个基础任务，即词分割、依存分析、合成类型识别和诗歌分析，提出了有关梵语自然语言处理（NLP）技术的关键问题，并在解决这些挑战的过程中提出了多项贡献，包括提出了具有语言学信息的神经网络体系结构、展示了所提系统的可解释性和多语言扩展性、报道了最先进的性能以及开发了名为 SanskritShala 的神经工具套件。

    Aug, 2023

  • 有效数字化注释和子注释的策略：走向文本史构建

    本文介绍一种名为 'Textual History Tool' 的数字工具，其主要应用于文献学家数字化文本的注释和子注释，并将其分成功能单元以生成更准确的进化树。

    Jan, 2022

  • 使用人工智能进行印度哲学话题建模：映射《奥义书》和《薄伽梵歌》主题

    本文使用 BERT 等先进的语言模型对《奥义书》和《恒久之道》这两部核心印度教哲学文本进行主题建模，分析了它们之间的主题联系和重叠，结果显示两者的主题非常相似，并且 BERT 模型比传统模型的主题更为连贯，这从低维向量空间的可视化效果得到了佐证。

    May, 2022

  • 一种适用于梵文派生名词分析的基准语料库和神经网络方法

    本文提出了梵语 Pratyaya 和由后缀形成的词性词汇的第一个基准语料库，以及基于神经网络的方法来处理词形态上的分裂。通过我们的神经方法来评估以前算法的性能表现，并期望通过本文的基准语料库来改进梵语语言中的词形态分析。

    Oct, 2020

  • 运用马哈巴拉塔语言模型计算相关词汇 —— 一部印度史诗研究

    本文提出了一个自然语言处理管道来获得来自《Mahabharata》的一些统计和计算洞察以及最相关的单词搜索方法，示意堆叠不同的文本处理方法以阐明最佳结果。

    May, 2023

  • 基于形式本体论的词元分类及其应用

    本文介绍了为印度语言量身定制的动词中心词汇资源 OntoSenseNet 的丰富，其重要贡献之一是通过开发一个计算版本来保留 Telugu 词典的原汁原味。手动注释的黄金标准语料库共包含 8483 个动词、253 个副词和 1673 个形容词，并由本地语言人士根据定义的注释指南进行注释。本文提供了注释过程的概述，并通过互注器协议的验证，验证了所开发资源的有效性。

    Jul, 2018