为了解决低资源语言缺乏人工标注的问题，本研究提出了三个用于英语和僧伽罗语自然语言处理任务的平行英 - 僧伽罗词典数据集，并介绍了数据集创建流程和验证数据集质量的实验结果。

Aug, 2023

跨语言句子嵌入领域最近取得了很大的进展，但是由于平行语料的稀缺性，对于低资源语言的研究相对滞后。本文表明当前模型中低资源语言的跨语言词表示与高资源语言的对齐程度明显不足。为了解决这个问题，我们引入了一种新的框架，通过使用现成的词对齐模型，显式地对英语和八种低资源语言之间的单词进行对齐。该框架包含三个主要的训练目标：对齐的单词预测、单词翻译排序，以及广泛使用的翻译排序。我们通过在双语检索任务上进行实验证明了我们的方法，该方法在低资源语言的句子嵌入上取得了显著的改进。此外，所提出模型在高资源语言上更广泛任务的竞争性表现凸显了其实用性。

Apr, 2024

本文研究多种单层和双层嵌入结构在 Sinhala 情感分析中的有效性，结果表明，基于单层词嵌入的模型的得分为 83.76％，而基于上下层的嵌入结构的最大 F1 得分为 88.04％，并比较欧几里得空间和双曲空间中嵌入的性能。

Oct, 2022

利用词性标注和位置编码来提高基础的英语到僧伽罗语神经机器翻译模型的翻译能力。

Feb, 2022

本研究介绍了 FLoRes 评估数据集，并针对 Nepali-English 和 Sinhala-English 等低资源语言，以维基百科翻译句子为基础，展开全面评测各类联机翻译方法的表现，进而发现当前最先进的方法对于这一基准测试的表现相对较差，给低资源机器翻译的研究提出了挑战。

Feb, 2019

本研究利用自定义句子分段器和两种新方法，构建一个高质量的孟加拉语 - 英语双语平行语料库，从而提高孟加拉语机器翻译的 BLEU 指标，并评估了一个包含 1000 个双语句对的测试集，释放了分段器，平行语料库和评估集，为孟加拉语以及其他低资源语言的机器翻译研究铺平了道路。

Sep, 2020

提出了一种新的构建双语词向量嵌入的方法，该方法利用高资源源语言的向量空间作为训练低资源目标语言嵌入空间的起点，并通过使用源向量作为锚点，在训练过程中自动对齐向量空间，结果表明该方法不仅提高了双语词向量的质量和双语词汇词典归纳的性能，而且提高了目标语言的单语词相似性。

Oct, 2020

本文首先介绍了近年来有关监督学习的显著进展，引起了梵语计算语言学家的广泛关注。随后，作者为低资源环境下各种自然语言处理任务构建了具有特定任务标签的数据。接下来，作者以词嵌入为主要研究方向进行了分析，分类和评估。研究检验了词嵌入方法在梵语中的可用性以及该语言所面临的各种挑战。

Apr, 2021

本文探讨了使用 LASER 和 LaBSE 这两种预训练模型生成不受语言限制的句子嵌入，在挖掘大型数据集以生成低资源机器翻译平行语料库方面的应用。作者测试了这两种模型在提取两种相关的低资源非洲语言 Luhya 和 Swahili 的双语数据时的表现。实验结果表明，LaBSE 在两种语言上表现优于 LASER。只是两者在对 Luhya 数据进行零射击对齐方面的表现不佳，仅可分别取得 1.5％ 和 22.0％ 的成功对齐率。作者利用极少量的平行 Luhya 句子对嵌入进行微调后的实验表明，LaBSE 的对齐精度得到了显著提高，达到了 53.3%。此外，限制 cosine 相似度大于 0.7 的句子嵌入对进行对齐也可得到超过 85% 的准确率。

Oct, 2022

本研究使用 LASER 工具包，基于编码 - 解码结构训练平行语料库，直接对多语言句子进行表征和过滤，通过与其他方法对比结果表明其在低资源及无资源情况下具有良好效果。

Jun, 2019