本文讨论了波斯 - 阿拉伯文字在自然语言处理方面的挑战，强调了正规化对于脚本变异的重要性，并对 8 种语言的机器翻译和统计语言建模任务的性能进行了评估。结果表明，大多数条件下应用正规化可以显着提高性能，并指出了在语言资源匮乏的情况下，更好地理解和呈现区域正字传统内波斯 - 阿拉伯脚本变化对于现代计算机自然语言处理技术的进一步发展至关重要

Oct, 2022

本文研究在社交媒体上，通过使用建模技术，对不同语言，特别是那些主要使用波斯 - 阿拉伯语脚本书写的语言的脚本归一化的问题进行了处理，而这有助于提高机器翻译和语言识别等下游任务的性能。

May, 2023

本文介绍了一个开源软件库，为操作使用波斯 - 阿拉伯字母表的语言的书写系统提供了一组有限状态转移器（FST）组件和相应的实用工具，包括各种级别的脚本标准化、简便的拼音和音译功能。我们还提供了一对多的 Unicode 编码点到使用这些点的语言的映射，以提供处理接近于十亿人使用的字母表的脚本家族的统一框架。

Jan, 2023

该研究论文调查了脚本识别和文本识别的现有方法和技术，并讨论了在处理和识别脚本方面的技术改进，特别是针对印度的 12 种主要印度文字的复杂特征和高级预处理方法。

Aug, 2023

本篇研究探讨了跨语言相似度与不同文本之间的相互作用，针对两个监督学习任务，即词性标注和情感分析，使用新标注的阿尔及利亚用户生成评论语料库和多语言模型进行研究，并发现语言的相似度和文本差异之间存在微妙的关系。

May, 2021

该研究对阿拉伯语的三个主要变体（MSA、AD 和 CA），特别是由拉丁字母和数字组成的 Arabizi 形式的文字，在阿拉伯文本处理中的挑战以及可用资源和工具方面进行了调查，并对最近研究论文进行了分类和总结。

Mar, 2019

我们提出使用多种实验策略（放大、扁平化和混合脚本）来学习与脚本无关的表示，重点关注四种主要的德拉维达语言（泰米尔语、泰卢固语、卡纳达语和马拉雅拉姆语），发现在下游的不以脚本为依据的语言识别中，词级脚本随机化和暴露于多个脚本书写的语言对于维持竞争性自然文本性能也非常有价值。

Jun, 2024

提供了一个新的用于脚本识别算法比较的数据库，其中包含来自多个不同脚本的印刷和手写文件。该数据库可用于进行各种基准测试，并提供了不同级别和类型的脚本识别结果，为未来的研究提供基础。

May, 2024

提出了一种新的跨语言平台，用于手写单词识别和标记低资源脚本，其中使用可用脚本（考虑为源脚本）的充分大的数据集进行训练，并在其他脚本（考虑为目标脚本）上进行测试，该跨语言框架通过使用浅显易懂的分区内字符映射进行有效的学习，成功实现了在少量训练数据的情况下识别和标记三种印度脚本中的文本。

Dec, 2017

我们为所有列在印度宪法中的 22 种印度语言创建了用于母语和罗马化文本的公开语言识别（LID）数据集和模型，并为类似的其他语言提供了解决罗马化文本 LID 中缺乏训练数据和低 LID 性能的简单有效的解决方案。

May, 2023