本篇研究旨在建立、评估韩字理解的语言模型，为此发布了包含了年代归属、主题分类、命名实体识别和概要检索任务的 Hanja Understanding Evaluation 数据集。同时，还在朝鲜王朝的官方纪事 Annals 和 Royal Secretariats 的两个重要文献语料库上训练了 BERT 模型，并将它与几个基线模型进行了比较，发现训练在这两个文献上的模型具有显著改进。此外，还在历史学研究中尚未被广泛研究的 DRRI 数据集上进行了零样本实验。

Oct, 2022

本文提出了一种基于自我关注机制的多任务学习方法，用于恢复和翻译历史文献，并通过主题建模进行了深入的探索分析，揭示了多个重要历史事件。

Apr, 2021

该研究介绍了朝鲜历史文献中的命名实体识别和分类，通过将语言模型调整到历史文献上，与使用预训练的多语言模型进行对比实验，发现短语标记明显改善了 NER 模型在预测不同时间段撰写的未见过的实体时的性能。

Jun, 2023

本文提出一种使用汉字等额外语言注释来改善韩文单词表示的简单而有效的方法，通过跨语言迁移学习来训练单词表示，以检验通过此方法学习到的表示的内在质量，并证明其在几种下游任务中的有效性，包括一项新颖的韩国新闻标题生成任务。

Aug, 2019

研究通过 HistRED 数据集中的 Hanja 和韩国文本，提出了一种双语关系抽取模型，证明多语言背景可以补充关系抽取预测。

Jul, 2023

本文提出了一种基于古汉语和现代汉语特点的 Ancient-Modern Chinese 从句对齐方法，综合了基于词汇和统计信息的两种方法，用于创建了一个包含 124 万个双语对的大规模语料库，并分析了在此数据集上各种机器翻译模型的性能，并为该任务提供了强大的基准。

Aug, 2018

本研究旨在填补机器翻译对台湾闽南语等低资源语言的相对忽视之处，通过开发台湾闽南语与繁体中文及英文的双向翻译模型，并利用预训练的 LLaMA2-7B 模型，综合实验跨越台湾闽南语的不同书写系统以及与其他高资源语言之间的翻译任务，最终大大提升了模型的翻译能力，并通过标准化所有台湾闽南语书写系统为福建汉字，进一步提高了性能；另外，引入反向翻译和 GPT-4 结合的评估方法，确保了对低资源语言的可靠翻译质量评估；此研究有助于缩小台湾闽南语的资源差距，并从实证角度研究了基于 LLaMA 2 的预训练和微调的优势和局限性。

Mar, 2024

我们引入历史文本摘要的任务，其中历史形式的语言文档被概括为相应的现代语言。基于跨语言迁移学习技术，我们提出了一个摘要模型，可以即使没有跨语言（历史到现代）平行数据，也可以进行训练，并对最先进的算法进行基准测试。我们报告了自动和人工评估，突出了我们数据集的独特性和价值，并证明了我们的迁移学习方法在这项任务上优于标准的跨语言基准。

Jan, 2021

本文旨在解决翻译古代中文文本所面临的语言困境和信息缺失，提出采用多标签预测任务，预测翻译和具体年代，并以现代中文翻译为基础扩展为多语言输出，实验证明该框架在产生高质量翻译输出方面的有效性。

Jul, 2021

本文介绍了一种使用 HJDataset 的深度学习方法，可以准确地分析历史日文文档的布局并提取内容。该数据集包含 250,000 多个布局元素注释和基于半规则的方法构建，旨在提供深度学习模型的基准性能分析。

Apr, 2020