code-switching | BriefGPT - AI 论文速递

关键词code-switching

搜索结果 - 94

ArzEn-LLM: 使用 LLM 进行代码切换的埃及阿拉伯语 - 英语翻译和语音识别
该研究以机器翻译和自动语音识别系统为基础，探索埃及阿拉伯语和英语的代码切换现象，并提供了关于开发这些系统的方法学，使用了 LLama 和 Gemma 等大规模语言模型。该研究实验了 Whisper 模型在代码切换的埃及阿拉伯语识别中的应用，
PDF6 days ago
IJCAI通过渐进式代码切换改善零样本跨语言迁移
逐渐生成适度困难的混合码交换示例，以引导模型对更困难的混合码交换数据进行优化，并根据单词相关性评分设计了难度测量器、代码切换器和训练调度器。
PDF13 days ago
CoSTA: 使用对齐的语音文本交替进行混合编码的语音翻译
通过先前训练好的自动语音识别 (ASR) 和机器翻译 (MT) 模块的结合，本研究提出了一种名为 COSTA 的端到端模型架构，用于印度语言到英文文本的混合语言实时翻译，并发布出相关评估基准。COSTA 在混合语言的孟加拉语、印地语、马拉地
PDF16 days ago
利用 kNN-CTC 和门控单语数据存储改进零 - shot 中英混编自动语音识别
我们提出了一种新颖的 kNN-CTC 基于代码切换 ASR 框架，它采用双语言数据存储和门控数据存储选择机制以减少噪音干扰。我们将此框架应用于先进的 CTC-based 模型，开发出一种先进的中英文代码切换 ASR 系统。广泛的实验证明了我
PDFa month ago
借助 GPT 作为枢纽，减轻对资源匮乏的代码混合数据问题
通过使用 GPT 3.5 生成非洲语言中的代码切换句子，我们发现非拉丁脚本语言（如约鲁巴语）生成的句子质量明显较低，与高阿非卡语 - 英语成功率相比。因此，我们提出了一个框架来增加合成代码切换数据的多样性，并建议利用这项技术缓解低资源语言的
PDF2 months ago
COLING融合词汇和句法知识的无监督跨语言迁移
本文提出了一种名为 “Lexicon-Syntax 增强多语言 BERT” 的新框架，该框架结合了词汇和句法知识，并通过多种技术增强其学习能力，在零样本跨语言传递的任务中取得了优异的成绩。
PDF2 months ago
英语学习者的混合语句文法错误修正
通过生成合成的 CSW GEC 数据集并选择 CSW 比例、转换点因素和语言约束进行研究，我们的研究探索了将 GEC 系统应用于 CSW 文本的方法，最佳模型在多个 CSW 测试集上取得了平均增长 1.57 的 F0.5，同时对单语数据集的
PDF2 months ago
COLING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。
PDF4 months ago
NusaBERT: 将 IndoBERT 教成多语言和多文化
NusaBERT 是一种基于 IndoBERT 的模型，通过词汇扩展和多样化的多语种语料库，解决了印度尼西亚多语种和方言的自然语言理解问题，取得了最先进的成果，为研究少数语言奠定了基础。
PDF4 months ago
跨语言脚本转化与对齐：用于混合编码数据的情感检测
本研究提出了一种跨语言脚本知识共享架构，利用交叉关注和语言脚本的对齐来生成更好的文本表示，实验证明了该方法的有效性，并通过模型可解释性技术解释了语言特定表示之间的知识共享。
PDF5 months ago
利用语言识别计算中间 CTC 损失以增强代码交替语音识别
通过在自动语音识别模型的编码器的中间层引入语言识别信息，本文旨在以更加隐式的方式生成暗示语言区别的声学特征，降低模型在处理语言切换时的混淆。
PDF7 months ago
EMNLP多语言自学习语音表示改进资源有限的非洲语种混杂语音识别
利用自监督语音表示的微调和利用转录训练的 n-gram 语言模型增强多语言表示，相对于从头开始训练的混合模型，将代码切换数据的绝对词错误率降低了高达 20%。研究结果表明，在训练数据受限的情况下，微调自监督表示是一种更优秀和可行的解决方案。
PDF7 months ago
EMNLP多语言和混码数据收集和准备中被遗忘的代表性原则
研究分析了现有的跨语言切换数据集，揭示了大多数数据涉及英语，忽略了其他语言对 / 元组，并且在数据收集和准备阶段存在代表性方面的缺陷，忽视了跨语言切换中的地理位置、社会人口统计学和注册变化。最后提供了一个简短的清单，以改善与跨语言切换数据收
PDF8 months ago
EMNLP代码交替文本的机器翻译数据增强技术：比较研究
在埃及阿拉伯语 - 英语混合代码生成中，我们比较了词汇替换、语言理论和回译三种流行的增强方法，通过人工评估评估了这些方法在机器翻译上的效果和增强质量。结果显示，基于回译和基于代码交替预测的词汇替换方法在两个任务中表现最佳，而在缺少代码交替并
PDF8 months ago
面向现实世界的流式语音转换翻译
该研究聚焦于实时交流中的语种转换问题以及第三种语言的翻译，并通过将现有数据集扩展到西班牙语和德语，训练了离线和实时语音翻译模型，并建立了基准结果。
PDF8 months ago
大语言模型用于代码转换语音识别的生成错误校正
本文提出了一种利用大型语言模型和自动语音识别所生成的假设列表来解决语码转换的问题的方法，通过低秩适配器实现假设到转录的映射，并且实验证明该方法显著提高了语码转换自动语音识别的准确性，并且大型语言模型在数据效率方面表现出色，为低资源语言中语码
PDF8 months ago
语音拼贴：通过拼贴单语语料库的混合交替生成语音
本文介绍了一种通过拼接音频片段从单语语料库中合成 Code-Switching 数据的 Speech Collage 方法，并通过重叠添加方法提高音频生成的平滑度。我们研究了生成的数据对语音识别的影响，在使用领域内 Code-Switchi
PDF9 months ago
利用数据收集和无监督学习对突尼斯阿拉伯语混合语音自动识别的提升
本研究旨在解决突尼斯方言语音识别的挑战，通过采集和注释文本和音频数据，并探索自监督、半监督和少样本代码转换方法，使其在不同的突尼斯测试集中取得前沿成果，最终通过人工评估确保翻译的准确性，所提出的模型适用于突尼斯阿拉伯语、英语和法语的语言混合
PDF9 months ago
ACL自我增强提高零 - shot 跨语言迁移
提出一种称为 SALT 的简单而有效的方法，结合了代码混合和嵌入混合自增强，通过从多语言预训练语言模型中提取跨语言知识并增强其在下游任务中的可转移性，改进了零射击跨语言转移能力，而无需外部数据。
PDF9 months ago
2023 年 IberLEF GUA-SPA 概述：瓜拉尼 - 西班牙语代码交换分析
GUA-SPA 是 IberLEF 2023 的第一个共享任务，通过标注一份从新闻文章和推文中提取的 1500 个文本的语言切换信息，涵盖 25,000 个标记，任务涉及令牌语言识别、命名实体识别和在混合语境中划分西班牙文范围的新任务。参与
PDF10 months ago