May, 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

PDF
TL;DR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。
发现论文，激发创造
  • 使用基于 BERT 的语言框架进行选定《巴格瓦德・吉塔》翻译的语义和情感分析

    本文用深度学习方法，基于语义和情感分析来验证《薄伽梵歌》的英译质量，通过对选定章节和诗句的翻译进行比较，发现不同翻译的风格和词汇差异较大，但情感和语义相似度较高，传达的信息大同小异。

    Jan, 2022

  • 通过情感和语义分析评估谷歌翻译从梵文到英文的翻译效果

    本研究使用 BERT-based 语言模型对谷歌翻译进行 Bhagavad Gita 梵文文本的感情和语义分析，结果表明与专家翻译相比，谷歌翻译在选定诗句中的相似度水平很低。由于梵文的诗意性、上下文的重要性、隐喻和意象，谷歌翻译在翻译某些梵文词语和短语方面并不适用。

    Feb, 2023

  • 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

  • 亚洲宗教有何共同之处？一次无监督文本分析探索

    本文试图通过文本挖掘技术，探索亚洲和非亚洲的宗教经典之间的相似性，并使用监督学习算法，测量其正确预测各种经文的准确性。利用欧几里得、曼哈顿、Jaccard 和 Cosine 等相似性度量方法以及基于文档单词出现频率和规范化文档单词出现频率等相似性度量方法，得到了一些发现。K-means 聚类可视化揭示了宗教经典之间的相似性模式，其中乌梅尼西亚和道德经是语料库中最相似的文本。

    Dec, 2019

  • 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

  • 关于 apadana 的 Karaka-Yogyata 捕捉策略

    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。

    Jan, 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

  • 用于圣经情感分析的大型语言模型：登山宝训

    通过情感分析，研究圣经《登山宝训》的不同翻译版本并比较不同章节和节的情感表达，发现译文的词汇明显不同，教导内容中包含不同程度的幽默、乐观和共情。

    Jan, 2024

  • 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

  • GujiBERT 和 GujiGPT：建立智能信息处理基础语言模型的古代文本

    我们介绍了古籍 BERT 和古籍 GPT 这两个基础模型，通过在包含简体和繁体中文字符的数据集上训练，这两个模型可以有效地处理与古籍相关的自然语言处理任务，这表明了使用自监督方法进一步训练模型能够提高其应对下游任务的能力。同时，我们开发了三个不同类别的共九个模型变体，以满足数字人文和语言学研究人员的不同文本处理偏好。

    Jul, 2023