ACLAug, 2023

共享的词汇项目作为代码交替的触发器

PDF
TL;DR双语者的码切（两种语言混合）为何发生？本文通过使用三种语言对五个大型数据集进行更全面、更细致的研究与探讨，以更加清晰地解释触发假设。实验证明，同时存在于双语者心理词汇库中的词确实能触发码切现象，并且码切的倾向取决于触发词距离码切点的远近，以及触发词在码切前还是码切后出现，但不取决于触发词的词源。因此，本研究提供了关于词汇触发词与码切之间关系的强有力、可靠的基于证据的证实。
发现论文，激发创造
  • 语音转录中代码切换动机的自动识别

    该研究建立了一个新的跨语言切换数据集，准确地识别出多语言演讲者在日常语言中使用广泛的跨语言切换动机，并证明了该系统适用于新语言配对，使用该注释方案的交叉语言应用性达到了 66％的准确度。

    Nov, 2022

  • 码 - 语混合话语与语言处理的概述

    本篇论文综述了多语言社区中通用的一种交际现象 —— 语码转换，并且概述了计算机语言处理的方法。同时该文阐述了处理语码转换的语音和自然语言处理在建立智能代理和与多语言社区用户的交互系统中的重要作用，发现语码转换数据和资源的稀缺性，并列出了可利用的各种编码语言对及相应的自然语言处理任务。最后，概述了语码转换在各种语音和自然语言处理应用中的研究，并对该领域的未来方向和问题进行了总结。

    Mar, 2019

  • 母语同源词对第二语言词汇选择的影响

    通过大量非母语英语使用者的语料库，研究发现词汇选择受到个人母语的影响，特别是语序和词汇语境，甚至从单个例子出发可以重构印欧语系的语言家族树。

    May, 2018

  • 0-shot 多语言语音合成的音韵特征

    本研究研究了如何利用国际音标中若干语音学特征，在单语言模型的基础上实现不同语言的代码切换的语音识别，从而生成在新语言中可懂的语音。

    Aug, 2020

  • 混码语调查：语言技术的语言和社会观点

    本文展示了针对多种语言的数据的分析在计算语言学界越来越受欢迎。 作者提供代码交换（C-S）的调查，涵盖了语言学文献中的关键问题，并从欧洲和印度等高度多语言区域的文献中着重讨论 C-S 结构和功能模式的概述。 此外，作者还讨论了如何使大规模语言模型失败以代表各种 C-S 类型，以及如何缺乏跨多语言情况和 C-S 类型导致缺乏强大的评估基准以及覆盖 C-S sociolinguistic 方面的端到端系统。

    Jan, 2023

  • 句内码位转换语音识别中外语单词的发音生成

    本文提出了一种基于数据驱动的方法来解决代码切换语音识别中语音集限制、不同语言音素集和高昂的重建成本等挑战，其核心工作包括音标解码和不同选择策略。我们的实验结果表明，通过我们的方法，混杂的单词层中文英文代码切换识别的混合误差率从 29.15％降至 11.14％。

    Oct, 2022

  • 句内语码转换的语法限制：从理论到工作模型

    本文通过对 Equivalence-Constraint 和 Matrix-Language 理论进行详细分析和小规模实证研究，建立了关于 Hindi-English CS 的语言模型，发现这两个模型不能完全、准确地描述语言现象，提出了结合两种理论优点的新模型。

    Dec, 2016

  • 混码探针展示预训练模型如何在混码文本上泛化

    本研究通过对预训练语言模型处理混合语言文本的能力、模型捕捉混合语言文本的结构信息的变化性以及语义信息表达的一致性的研究，揭示了预训练语言模型在泛化到混合语言文本上的有效性，从而为这些模型在处理混合语言资源方面的能力提供了洞察。

    Mar, 2024

  • 启用代码交替机器翻译的检查和策略

    本研究探讨了多语言神经机器翻译模型处理语种混杂文本的能力，提出了一种检测方法和简单有效的数据增强方法，同时通过对注意力模块的分析证明了这些方法的有效性。

    Oct, 2022

  • 使用代码转换增强预设翻译的神经机器翻译

    研究一种使用代码转换从而生成的训练数据的数据增强方法来限制大众翻译机器在本地词汇翻译方面的失误问题。

    Apr, 2019