language identification | BriefGPT

关键词language identification

搜索结果 - 64

多语言大型语言模型还不能切换语言
本文通过大量实证研究探索了多语言大型语言模型在涉及语种切换的情况下情感分析、机器翻译和单词级别语言识别等任务的表现。研究显示，虽然这些模型在使用零 / 少量提示时在某些任务中表现出色，但与较小的微调模型相比，它们的性能仍然有所不适。因此，研
PDFa year ago
DocLangID: 改进少样本训练方法以识别历史文档的语言
本文提出了一个迁移学习方法，使用少量手动标注的数据从历史文本领域进行有标注的迁移学习，通过基于距离的少量样本学习来适应新的历史文本数据分布，从而识别未标注历史文本数据中的语言，展示了其在 10 种主要使用拉丁字母的语言历史文本领域中成功的性
PDFa year ago
使用真实标签进行语言种类识别
本文介绍了 DSL True Labels (DSL-TL)，这是第一个人工标注的多语言类别识别数据集，并介绍了使用此数据集训练出的多个模型以区分语言类别的结果，这为开发更强大和更公平的语言类别识别系统提供了可靠的基准，并免费提供给研究社区
PDFa year ago
使用 Map-Mix 提升口语识别性能
本文提出了一种名为 Map-Mix 的数据增广方法，用于提高低资源方言分类准确性，该方法通过数据点的模型训练动态来改进隐式 Mixup 的采样，相比于随机 Mixup 基线，Map-Mix 方法的加权 F1 得分提高了 2％，结果呈现出明显
PDFa year ago
Transformer 基于的代码混合卡纳达语 - 英语文本字级语言识别模型
本文介绍了 CIC 团队使用 Transformer 模型对 CoLI-Kenglish 数据集进行词级别语言鉴别的系统描述，其中提出了在 NLP 中使用 code-mixed 数据的研究，并探讨了社交媒体的影响。该模型在数据集中取得了 0
PDF2 years ago
CoLI-Machine Learning 在卡纳达语 - 英语文本的词级别混合语言识别中的应用
该研究针对代码混合文本的词级别语言识别问题，构建了 CoLI-Kenglish 数据集，利用机器学习、深度学习和迁移学习方法建立和评估了 CoLI-vectors、CoLI-BiLSTM 和 CoLI-ULMFiT 学习模型，研究结果表明
PDF2 years ago
意外学习者：多语言自监督模型中的口语识别
本文通过采用 Conformer 架构，在多语言预训练模型中扩展了以往的自监督方法，我们发现预训练的语音模型最佳地在底层编码语言的区分信息。进一步地，我们证明了从这些层获取的嵌入对于分类未见过的语言和不同的声学环境具有显著的鲁棒性，无需额外
PDF2 years ago
EMNLPAfroLID: 非洲语言的神经语言识别工具
介绍了 AfroLID，一种对 517 种非洲语言进行语言识别的神经工具包，它利用了跨足 14 个语言家族和 5 个拼写系统的多域 Web 数据集，取得了 95.89 的 F1 分数，并在 Twitter 领域得到了验证。
PDF2 years ago
流式端到端多语言语音识别与联合语言识别
本文提出了一种改进的循环神经网络转录模型，通过集成一个帧级语言识别器预测器实现语言识别，以实现流式语音识别，通过流式实现统计汇聚，降低测试时成本，在语音搜索数据集上进行实验，平均命中率达到 96.2%。
PDF2 years ago
南岛语系语言识别
本文提供低资源语言的语言识别模型，包括特别关注此前无法获得的亚洲语族语言，并通过实验表明基于 skip-gram 的分类器性能最佳，并在所有 29 种语言上实现了高精确度的语言识别和代码转换检测。
PDF2 years ago
现代化开放集语言识别
本文探究将现代语音识别方法应用于开放识别模型的可行性以及两种不同识别方法的性能比较。
PDF2 years ago
为下一个千种语言构建机器翻译系统
描述了我们构建跨越 1000 个语言翻译的实用机器翻译系统的努力，包括构建干净的数据集、使用监督并行数据训练的大规模多语言模型和单语数据集以及研究评估语言的限制和误差模式。
PDF2 years ago
适用于印度语的代码转换和混合语音识别
本研究通过比较使用多语种和单语种模型进行语音识别的表现，提出了一种基于 wav2vec 2.0 的端到端多语种语音识别和混合语言识别技术，取得了印度诸多语言语音识别的较好效果。
PDF2 years ago
凯尔特语文本自动语言识别
通过收集几种凯尔特语言家族的语料库，本文提出一种无监督特征提取的方法，成功训练了一个分类模型来识别低资源语种，实验结果表明，无监督特征提取可以更有效地解决缺乏标注数据的问题，并提高分类性能。
PDF2 years ago
使用具有知识蒸馏的双模型增强语言识别
本研究基于双模式框架，使用知识蒸馏在 x 向量自我关注（XSA-LID）模型上，以增强其对长短发音的语言识别（LID）性能。通过分别优化完整和短模式，其输入为完整长度的语音和通过特定布尔蒙版提取的短剪辑，并在短发音中应用知识蒸馏以进一步提高
PDF2 years ago
BERT-LID: 利用 BERT 提升口语语言识别
我们提出了一种基于 BERT 的语言识别系统，通过提取从前端语音识别器导出的语音学后向图（PPG）作为输入，可以提高较短语音段的语言识别表现，该模型可以提高长语音段识别的基准准确率约 6.5％，提高短语音段识别的基准准确率约 19.9％，表
PDF2 years ago
基于 Conformer 的长篇语音流式语言识别的注意力时序池化
本文提出了一种基于 conformer 层的新型语言识别系统，提出一种注意力时序池化机制，可以以递归形式携带长音频的信息，从而可以进行流式推理。此外，本文还研究了两种领域适应方法，以允许适应现有的语言识别模型。我们的实验表明，本文提出的模型
PDF2 years ago
CALCS 2021 共享任务：用于混合语言数据的机器翻译
本文关注代码切换社交媒体数据的机器翻译，在监督和非监督环境下提供了英语 - 印地语 - 英语（英 - 汉格利什）、英语 - 西班牙语 - 英语（英 - 西班格利什）和英语 - 现代标准阿拉伯语 - 埃及阿拉伯语（英 - 埃语）的语言对，分享
PDF2 years ago
XLS-R: 在大规模自监督下进行跨语言语音表示学习
本文介绍了 XLS-R，这是一个基于 Wav2vec 2.0 的用于跨语言语音表示学习的大规模模型，其在 128 种语言的近半百万小时的公开语音音频数据上进行训练，并取得了广泛的评估表现。我们的研究致力于提升语音处理任务在更多的世界语言上的
PDF3 years ago
ACL比较达罗毗荼语言识别方法
本文介绍了团队 HWR 在 VarDial 2021 举办的 Dravidian Language Identification (DLI) 共享任务期间提交的内容，包括使用自适应语言模型的朴素贝叶斯分类器和基于 Transformer 的
PDF3 years ago