indic languages | BriefGPT - AI 论文速递

关键词indic languages

搜索结果 - 39

在印地语和马拉地语中缓解性别刻板印象
本文评估了印地语和马拉地语中的性别刻板印象，并使用嵌入相干性测试（ECT）和相对规范距离（RND）衡量偏差，并尝试缓解这些语言中的性别偏见。
PDF2 years ago
Aksharantar: 为未来十亿用户构建开放的音译工具
本文介绍了 Aksharantar，它是 21 种印度语言中最大的公开可用的音译数据集，包含 2600 万个音译对。我们使用从大型单语和平行语料库中挖掘音译对，并采集人工注释以确保具有不同单词和低资源语言的多样性。我们在 Aksharant
PDF2 years ago
野外说话人识别
本研究提出了一种用于在声音数据源中识别演讲者数量并确定属于每位演讲者的音频的流程，并引入了聚类纯度和聚类唯一性两个指标来评估其准确性。该方法可用于印欧语系语音识别的数据预处理。
PDF2 years ago
改进基于数据引导的印度语恶意语言检测方法，提高低资源环境下的检测效果
本篇论文探讨针对印度尼西亚语多语种辱骂性言论的大规模分析，研究不同的语言转移机制及该领域的多语种模型的表现，同时探究此类模型对抗性攻击的能力，并进行了误判分析。
PDF2 years ago
词错误率是否适用于评估印度语言语音识别的表现？
提出了适用于半字符语言的新的语音识别误差率计算方法，通过实现在印地语中表明其在包含大字符集的语言中可扩展性，并开源了包含新度量脚本的印地语基准数据集，为提高语音识别系统表现提供了新的可能性。
PDF2 years ago
利用语言模型提高印度语言的语音识别
本文探究了应用语言模型（LM）到印欧语系语言的自动语音识别（ASR）系统输出结果的影响。我们使用来自多种来源的文本对 18 种印欧语系语言的 wav2vec 2.0 模型进行微调，并进行结果调整。我们的研究结果显示，经过 LM 解码后，字符
PDF2 years ago
Vakyansh: 适用于资源稀缺的印度语言的 ASR 工具包
Vakyansh 是一个 Indic 语言语音识别端到端工具包，通过自动数据流水线实现数据创建，训练和部署，提供了适应于 18 种 Indic 语言的最先进的语音识别模型，并开放了所有这些资源来支持语音开发者社区。
PDF2 years ago
COLING适用于印度语手势输入的联合 Transformer/RNN 架构
本研究旨在开发一种支持印度语言手势输入的键盘，通过创建包含键盘轨迹的数据集来训练模型，并使用路径解码、音译和音译修正等技术对输入的轨迹进行映射以实现高达 70% 到 95% 的准确率。
PDF2 years ago
EMNLPIndicNLG 基准：印度语言中多样化自然语言生成任务的多语言数据集
本文介绍 IndicNLG 基准，一个用于评估 11 种 Indic 语言的自然语言生成的数据集集合，包括人物传记生成、新闻标题生成、句子摘要、改写生成和问题生成等 5 个不同的任务，使用预训练序列到序列模型和多语言基线来评估性能，并表明多
PDF2 years ago
UDAAN：基于机器学习的文档翻译后编辑工具
UDAAN 是一款开源的后编辑工具，可以快速生成多种印度语言的出版标准文件，具备包括一系列机器翻译和后编辑工具特性在内的优点，能够根据对齐的源和目标文本词典自主替换结果，适用于多种语言。
PDF2 years ago
混合代码社交媒体文本中跨语言滥用识别
本文提出了一种针对多语言 Moj 数据集的辱骂识别方法，解决了非英语社交媒体内容中常见的混合码，音译和使用不同文字的额外挑战。
PDF2 years ago
多语种社交媒体内容的毒性检测
本文描述了 'Moj Masti' 团队提出的系统，使用了 ShareChat/Moj 在 IIIT-D 多语言恶性评论识别挑战中提供的数据，重点介绍了如何利用多语言 Transformer 预训练和微调模型来处理混合代码 / 交替代码分类
PDF3 years ago
ACLIndicBART：用于 Indic 自然语言生成的预训练模型
本文探讨了预训练的序列到序列模型在相关语言群中的应用，关注印欧语言。我们介绍了 IndicBART - 一种针对 11 种印欧语言和英语的多语言序列到序列预训练模型。通过利用印欧语言之间的拼写相似性，IndicBART 在类似印欧语言之间进
PDF3 years ago
CLSRIL-23: 面向印度语言的跨语言语音表示
本研究提出了 CLSRIL-23，一种基于自监督学习的音频预训练模型，可以在 23 种印度语言的原始音频中学习跨语言的语音表示。在预训练期间，将语言特定的语音表示分别比较以比较单语和多语预训练的效果。我们的实验证明，多语预训练优于单语预训练
PDF3 years ago
ACLSamanantar: 11 种印度语言最大的公开并行语料库收集
介绍了 Samanantar，这是最大的公共平行语料库集合，包括英语和 11 种印度语言之间的 49.7 百万句子对，同时提取自公共平行语料库和网络，并在 Samanantar 上训练多语种 NMT 模型，从而在公开可用的基准测试上优于现有
PDF3 years ago
EMNLPVyākarana: 用于印度语言句法评估的无色绿色基准
本文在探索使用多语言语言模型中，如何对印度语系的丰富语法进行句法评估，并使用五个基于句法的任务在五种多语言语言模型中进行了实验，结果显示 IndicBERT 和 MuRIL 在处理印度语系语法时不如其他多语言语言模型表现，而 mBERT、
PDF3 years ago
基于注意力机制的印度语言神经机器翻译系统
本文提出了神经机器翻译系统，可以有效翻译印度语言，如印地语和古吉拉特语，其表现优于 Google 翻译，基于 BLEU、困惑度和 TER 矩阵的自动评估表明了其性能优势。
PDF4 years ago
基于流式端到端模型的大规模多语言语音识别
本文介绍了一种使用条件向量和针对语言的适配器层结合的多语言端到端模型，取得了比单语言模型和传统模型都更低的语音识别误差率。
PDF5 years ago
应用规则增强的序列标注提取事件的方法
本文针对低资源语言中事件提取的难点，使用收集自新闻网站的新数据集（InDEE-2019）进行深度学习模型的规则扩充和标签尾部的规则创建，通过实验验证了各种方法的有效性。
PDF5 years ago