Sep, 2024

预测古代汉字文本中的标点符号：一种多层LSTM和基于注意力的方法

HTML
PDF
TL;DR本研究解决了古代汉字文本缺乏标点符号导致的语义理解困难问题。研究提出了一种基于双向多层LSTM和多头注意力机制的新方法，显著提升了对古代汉字文本标点位置和类型的预测准确性。研究结果表明，该方法在处理古代汉字文本时的表现优于未采用这些组件的RNN模型，具有重要的学术价值和实践意义。
发现论文，激发创造
  • 时间感知的古代汉语文本翻译与推理

    本文旨在解决翻译古代中文文本所面临的语言困境和信息缺失，提出采用多标签预测任务，预测翻译和具体年代，并以现代中文翻译为基础扩展为多语言输出，实验证明该框架在产生高质量翻译输出方面的有效性。

    Jul, 2021

  • Kanbun-LM：运用语言模型阅读和翻译日本文献中的古代汉文

    研究建立了世界首个古汉语至关文数据集，并进一步探讨了在这些语言任务上AIML中的现有语言模型的表现及最佳评估方法。

    May, 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

  • 古代汉语CWS和POS的基于不确定性的检索框架

    提出古代汉语词分割和词性标注框架，通过捕捉词性语义和引入外部知识重新预测基线模型的不确定样本，有效提升性能。

    Oct, 2023

  • 大型语言模型能否理解古代汉语？对ACLUE进行初步测试

    ACLUE是一个评估基准，通过评估八个现代语言模型在理解古代汉语方面的能力，观察到它们在现代汉语和古代汉语之间的性能存在显著差异，其中ChatGLM2表现最出色，获得了平均37.4%的得分。

    Oct, 2023

  • 评估ChatGPT在古代汉语上的能力

    该研究探索了ChatGPT在处理古代汉语方面的能力，通过翻译古代汉语为现代汉语和识别古代汉语姓名的两个任务来评估其对古代汉语的理解能力。研究发现：ChatGPT在古代汉语方面的熟练程度尚未达到令人满意的水平，并且在输入三个上下文句子时，在古代汉语到现代汉语的翻译上表现最佳。为了帮助复现我们的工作，我们展示了本研究中使用的Python代码片段。

    Dec, 2023

  • AC-EVAL：在大型语言模型中评估古汉语理解能力

    为了满足大型语言模型（LLMs）对古代语境的理解的评估需求，本研究设计了AC-EVAL基准测试，用于评估LLMs在古代汉语背景下的高级知识和推理能力。通过涵盖历史事实、地理、社会习俗、艺术、哲学、古典诗歌和散文等13个任务，AC-EVAL提供了一个全面的评估框架。评估结果发现针对英文和中文进行优化的LLMs在古代文本理解方面具有巨大潜力。AC-EVAL旨在通过揭示LLMs的优势和劣势，促进它们在古代汉语语言教育和学术研究领域的发展和应用。

    Mar, 2024

  • CHisIEC: 古代中国历史信息抽取语料库

    利用中文历史信息抽取语料库(CHisIEC)推进古代历史和文化研究，实现对命名实体识别和关系提取任务的开发和评估，涵盖13个朝代超过1830年的历史时间线的数据，包括四种实体类型和十二种关系类型。

    Mar, 2024

  • 同古：基于知识的大型语言模型理解古代汉语

    TongGu is a CCU-specific LLM that utilizes ACCN-INS dataset, RAT, and CCU-RAG techniques to enhance Classical Chinese comprehension and reduce hallucinations.

    Jul, 2024

  • 楚简脚本的多模态多粒度分词器

    本研究针对解读古代中国楚简脚本中的复杂层次结构，提出了一种多模态多粒度分词器。通过实施字符边界检测和字符及子字符级别的识别，我们开发了一个大规模的楚简标注数据集，并在词性标注任务中显著提高了F1-score。这项工作不仅促进了楚简的深入研究，也可能推动其它古代中国书写形式的研究。

    Sep, 2024