indian languages | BriefGPT

关键词indian languages

搜索结果 - 50

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
PDF18 days ago
零射击机器翻译评估对于印度低资源语言有多好？
机器翻译评估在高资源语言上的研究已有所涉及，但基于近期数据和模型的增加，对低资源语言的评估也引起了兴趣。本文针对低资源的印度语言，即阿萨姆语、卡纳达语、迈蒂利语和旁遮普语，通过收集足够的多维度质量度量和直接评估注解，构建测试集并使用元评估方
PDFa month ago
多语种文本风格转换：印度语言的数据集与模型
本文旨在通过保留核心内容的同时改变文本的语言风格，重点研究了情感转换这一重要的文本风格转换子任务，涵盖印度语言的广泛范围，包括印地语、马加伊语、马拉雅拉姆语、马拉地语、旁遮普语、奥迪亚语、泰卢固语和乌尔都语；本文介绍了每种语言的正负样式平行
PDFa month ago
LexGen：领域感知的多语言词典生成
提出了一个新模型来生成多领域环境下六种印度语言的词典词汇，该模型包括特定领域和通用领域层，通过可学习的路由技术调用这些层，同时还提出了一种利用这些印度语言之间相关性实现连贯翻译的方法。还发布了一组跨越八个不同领域的六种印度语言的基准数据集，
PDF2 months ago
ACL为印度语言优化预训练的命名实体识别模型
对印度语言进行多语言命名实体识别的挑战分析及旨在应对其的技术的提出。同时，提供了包括两个主要印度语言家族中四种印度语言在内的人工标注命名实体语料库，并在该数据集上对多语言模型进行了微调，平均 F1 得分达到 0.80。在印度语言的完全未见基
PDF2 months ago
IndicSTR12：印度场景文字识别数据集
在印度语言这个复杂、语法和语义上更复杂的领域，由于缺乏综合的数据集，该研究提出了最大最全面的数据集 IndicSTR12，并在 12 种主要印度语言上进行了场景文本识别的性能评估，该数据集与现有的拉丁语言的数据集规模和复杂性相当，并且其多语
PDF4 months ago
Paramanu: 一系列新型高效的印度生成基础语言模型
Gyan AI Paramanu 是一家面向印度语言的全新语言模型系列，由 10 种印度语言（包括 Assamese、Bangla、Hindi、Konkani、Maithili、Marathi、Odia、Sanskrit、Tamil 和 T
PDF5 months ago
IndiText Boost: 低资源印度语言的文本增强
本研究主要关注文本增强在印度语言上的应用，使用了多种数据增强技术如 Easy Data Augmentation、Back Translation、Paraphrasing、LLMs 文本生成和 LLMs 文本扩展，并进行了二分类和多分类文
PDF5 months ago
印度语言的多语言偏见检测和缓解
缺乏多元观点导致维基百科内容中的中立偏见，从而使数百万全球读者接触到潜在的不准确信息。因此，中立偏见的检测和缓解是一个关键问题。我们为此提供了两个大型数据集 mWikiBias 和 mWNC，分别涵盖 8 种语言，用于中立偏见的检测和缓解任
PDF6 months ago
IndicIRSuite：印度语言的多语种数据集和神经信息模型
该论文介绍了为 11 种广泛使用的印度语言（阿萨姆语、孟加拉语、古吉拉特语、印地语、卡纳达语、马拉雅拉姆语、马拉地语、奥利亚语、旁遮普语、泰米尔语和特鲁古语）引入神经信息检索资源的工作。这些资源包括使用机器翻译创建的 11 种印度语言版本的
PDF7 months ago
ACLMukhyansh：面向印度语言的标题生成数据集
该研究提出了 Mukhyansh 数据集，其中包含超过 3.39 百万个印度语言标题 - 文章对，用于解决印度语言标题生成中缺乏高质量标注数据的问题，并通过实证分析证明其表现优于其他模型，跨 8 种印度语言平均 ROUGE-L 得分为 31
PDF7 months ago
Tamil-Llama：基于 Llama 2 的新泰米尔语言模型
通过使用 16,000 个泰米尔语令牌增强开源的 LLaMA 模型，本篇论文旨在解决现有切尖模型中泰米尔语等语种的代表性不足所导致的在多样的语言环境下性能不佳的问题。我们采用了 LoRA 方法来在包括广泛的泰米尔语语料库在内的训练数据上进行
PDF8 months ago
EMNLPL2 语言学习的自动提取语法概念的教师感知
通过自动发现和可视化语法描述，本研究旨在帮助语言教育专家自动创建材料，以便教授印度语言中的语法和语义知识。
PDF8 months ago
使用印度語 LGBTI + 詞彙檢視大型語言模型的評估
该论文提出了一种使用印度语 LGBTI + 词汇表评估大型语言模型的方法，通过四个步骤：确定与期望行为相关的自然语言处理任务，创建用于测试语言模型的提示，使用语言模型获得输出，并进行手动评估。通过定性分析，我们发现我们实验的三个语言模型无法
PDF8 months ago
SPRING-INX: 由印度马德拉斯理工学院 SPRING Lab 创建的多语言印度语音语料库
印度拥有多种语言，其中有 22 种语言被印度宪法正式认可。为印度人口构建基于语音的应用程序是一个困难的问题，因为数据有限且需要适应不同的语言和口音。为了鼓励语言技术社区在印度语言中构建基于语音的应用程序，我们向开源社区提供了 SPRING-
PDF8 months ago
ACL评估和减轻多语言环境中的性别偏见
这项研究探讨在多语言环境中评估和减少性别偏见在语言模型中的挑战，并通过 DisCo 扩展到不同的印度语言来创建了一个评估预训练屏蔽语言模型中性别偏见的基准，同时评估了各种方法对 SOTA 大规模多语言模型减轻此类偏见的有效性。
PDFa year ago
我的 Boli：混合马拉地语 - 英语语料库，预训练语言模型和评估基准
本文介绍了一个新的程序混合（Code-mixed）语料库及预训练模型，为印度语言 Marathi 的程序混合研究奠定了基础，并提供了三个数据集用于下游任务。
PDFa year ago
ACL低资源语调修正的对抗训练
该论文提出了一种采用对抗式训练的序列标注模型进行不流畅语音纠正的方法，结合少量有标记的真实不流畅数据和大量的未标记数据。该技术在印度语言和英语中的不流畅语音及发音障碍引起的口吃方面均表现出色，并在 F1 得分上比竞争基线平均提高了 6.15
PDFa year ago
Bhasha-Abhijnaanam: 针对 22 种印度语言的本地语和罗马化语言识别
我们为所有列在印度宪法中的 22 种印度语言创建了用于母语和罗马化文本的公开语言识别（LID）数据集和模型，并为类似的其他语言提供了解决罗马化文本 LID 中缺乏训练数据和低 LID 性能的简单有效的解决方案。
PDFa year ago
Vistaar: 用于印度语音识别的多元基准和训练集
本文提出了 Vistaar，59 个受试语言和领域组合的基准，用于评估和改进三个公开的 ASR 系统和两个商业系统，同时使用 IndicWhisper 通过在 12 种印度语言上进行微调，在 Vistaar 基准中明显改善了考虑到的 ASR
PDFa year ago