本文介绍了一种通过机器学习模型来进行语言转写的方法，并对其进行了评估。

Apr, 1997

在多语种语音识别系统中，当语言事先未知但信号已接收并进行处理时，需要使用广义模型来对语音进行识别，根据语音差异来判断所需语言，为此需要设置语音参数值并比较相似声音以确定重要差异。

Jan, 2024

本文通过计算分析探究了母语、高级非母语和翻译三种语言变体之间的相似和不同之处，重点关注了非母语言和翻译作品与母语之间的区别，结论为这三种语言易于区分，非母语言和翻译作品更接近，且它们之间的特征不完全依赖于不同语言源，可能存在着一些普遍规律同时影响翻译和非母语言。

Sep, 2016

本文提出了一种统一处理同义词和翻译等效性这两种语言关系的方法，即将它们视为不同类型的语义同一性，并通过对现有资源的实验进行验证，为跨语言语义学中的先前工作重新评估和词汇资源的创建、验证和改善建立了一个坚实的基础。

Apr, 2020

该研究总结了俄语语义相似性评估 (RUSSE) 共享任务的概述，提出了一种基于四个新颖基准数据集的俄语语义相似性评估方法，并通过对 19 个团队的 105 个提交信息的分析，证明英语中成功的方法也可以直接适用于俄语。

Mar, 2018

本文研究表明，基于不同语言文本中的词语共现模式的相关性，词语对齐和翻译鉴定也可以在非平行文本甚至不相关文本中自动化进行。

May, 1995

本文提出了一种基于自然语言处理、机器学习和英乌尔都语转换的方法，以找出英语和乌尔都语新闻文章之间的相似性，并解决了在低资源语言下找到相似新闻文章的难题。

May, 2022

本研究介绍了 RuSentEval 数据集，包含 14 项探测任务并应用多种探测方法探究 5 个多语言 Transformer 模型在俄语和英语上的语言属性分布，结果表明一些属性尽管在语言差异较大的情况下学习方式相似。

Feb, 2021

本文探讨了在翻译中尤其是在技术和科学文本中的干扰的本质，采用了描述性的方法。它透彻地阐述了干扰的历史、动机、后果以及对干扰现象的支持与反对的论据，强调翻译在不同社会间进行技术交流时的重要性。

Dec, 2023

在当代数字时代中，互联网作为一个无与伦比的催化剂，打破了地理和语言壁垒，尤其在短信交流中表现得格外明显。本研究通过使用 BERT 进行语言分类和 Google Translate API 进行转写转换，从 Hindi 和 Russian 语言的手机短信数据集中解决了对转写文本的语言识别挑战，突破数字通信的多样化语言环境。通过广泛的转写动态探索、创新方法和 BERT 等前沿技术，我们的研究处于解决数字通信语言环境中独特挑战的前沿位置。此工作除了在语言识别和转写能力方面有所贡献外，还为内容审核、分析和促进全球互联的有意义对话社区提供了希望。

Jan, 2024