under-resourced languages | BriefGPT

关键词under-resourced languages

搜索结果 - 23

CMULAB：一个用于训练和部署自然语言处理模型的开源框架
使用自然语言处理工具需了解语言本身、熟悉最新模型和训练方法，并具备部署这些模型的技术能力。本文介绍了 CMU 语言注释后端，一个开源框架，简化了模型部署和连续的人机交互微调过程，使语言社区成员和语言学家能够使用自然语言处理工具。CMULAB
PDF3 months ago
使用深度学习技术对短英文文本进行情感分类
使用深度学习技术和 BERT 文本嵌入方法，对来自资源匮乏语言的有限文本数据集进行情感识别的研究，通过介绍 SmallEnglishEmotions 数据集验证了这些方法在准确分类数据集中的优越性。
PDF4 months ago
优质数据到文本生成用于严重资源不足的语言的开箱即用大型语言模型
大型语言模型可以在研究欠资源语言中通过数据到文本生成来弥补性能差距，但人工评估表明 BLEU 分数相比于英语有所下降，对于评估非任务特定系统其适用性存疑。
PDF4 months ago
基于内容本地化的低资源方言阿拉伯语情感和仇恨行为分析系统：从英语到黎凡特语和海湾语
提出利用内容本土化的基于神经机器翻译的方法，为低资源阿拉伯方言（如黎凡特语和海湾语）开发情感和仇恨分类器，并通过无监督学习推断隐藏主题，从而在其本土语言 / 方言中提供连贯的解释，从而实现准确区分情感并识别仇恨内容的有效性。
PDF7 months ago
当涉及言语问题时：重新审视标记敏感内容的方法
许多资源匮乏的语言需要具有高质量的特定任务数据集，例如辱骂语言检测、虚假消息或错误信息识别。本文从乌克兰推文的伪标记敏感数据的方法出发，重新审视了使用该方法的过程，重点关注俄乌战争相关主题。通过实验，突出了数据标注的三个主要阶段，并强调了机
PDF7 months ago
EMNLP利用密切相关语言的形态学知识进行弱监督的低资源语言深度同源检测框架
为了解决资源匮乏语言中的迁移学习问题，本研究提出了一种基于形态学知识的跨语言弱监督深度同源词检测框架，通过训练编码器获得语言的形态学知识，并将此知识转移至密切相关的语言以进行无监督和弱监督的同源词检测。在不同的语系上进行了实验，得到了显著的
PDF8 months ago
AlbNER：一个阿尔巴尼亚语命名实体识别语料库
资源稀缺，如阿尔巴尼亚语等语言中的已注释文本语料库对计算语言学和自然语言处理研究构成严重障碍。本文介绍了 AlbNER，一个从阿尔巴尼亚维基百科文章中收集的具有标注命名实体的 900 个句子的语料库。使用 BERT 和 RoBERTa 变体
PDF9 months ago
OYXOY：用于现代希腊语的现代自然语言处理测试套件
本论文旨在为希腊自然语言处理（Greek NLP）领域开发一个基于语言学动机和技术相关的评估套件，通过引入四个专家验证的评估任务来实现这一目标，这些任务特别针对自然语言推理、词义消歧（通过示例比较或意义选择）和隐喻检测。同时，我们贡献了两个
PDF10 months ago
面向严重资源匮乏语言的数据生成：GPT-3.5 的协助来自 Google 翻译
我们探讨了语言生成任务中，训练数据严重不足的情况下，GPT 等 LLM 模型如何处理爱尔兰语、马耳他语、威尔士语和布列塔尼语等语言。我们测试了多种提示类型和格式，发现少量样本训练对于直接生成不常见语言较为有效，但通过英语进行翻译后的生成差距
PDF10 months ago
构建数字语言鸿沟的桥梁
AI 技术中的语言偏见是研究和开发方法论不公正的结果，我们提出了一项新的倡议，旨在通过技术设计和方法论，与当地社区进行眼球级的合作，减少语言偏见。
PDFa year ago
跨语言抄袭检测的简单有效方法
本研究提出了一种简单的跨语言抄袭检测方法，不依赖于机器翻译和词义消歧，适用于许多语言，包括资源匮乏的语言，其有效性已证明在几个现有和新的基准中达到了最先进的成果，特别是对于法语、俄语和亚美尼亚语，其依赖于开放式多语言词库和预先训练好的多语言
PDFa year ago
将外语新词汇引入资源稀缺的语言初探
研究探讨在缺乏支持的语言中引入新词，以丰富词汇量，并提出从任何语言引入新词的建议，以丰富目标语言的词汇量，避免殖民主义对正式语言的影响。
PDFa year ago
ACL嘈杂的并行数据对齐
本研究旨在研究现有的词级联模型在嘈杂环境下的对齐问题，并通过噪声模拟和结构偏置的方法提高模型的稳健性，从而显著降低基于神经网络的对齐模型的对齐误差率。
PDFa year ago
非洲土著语言语音转文本应用中的音素表示和转写：以斯瓦希里语为例
研究探索了 Kiswahili 语音文本的转录和 Kiswahili 语音语料库的开发，提供了 CMU Sphinx 语音识别工具箱创建的 Kiswahili 音素字典，以及使用扩展的音位集培训的 ASR 模型，使得模型优于以前类似研究的表
PDF2 years ago
基于 Transformer 的模型在法语口语理解任务上的基准测试
本研究采用新的基准测试方法，重点评估了 13 种 Transformer 模型在两个已有的法语口语理解任务中的质量和其生态影响，并证明了压缩模型可以取得较大模型相似的结果，同时具有较小的生态环境影响。
PDF2 years ago
Makerere Radio Speech Corpus: 适用于自动语音识别的 Ganda 无线电语料库
本文介绍了一个基于 Coqui STT 开源工具包的 Luganda 语音语料库的开发，该语料库包含了 155 小时的无线电记录，是撒哈拉以南非洲首个公开无线电数据集，用于在没有社交媒体的社会中识别边缘人群的言语和观点。
PDF2 years ago
MURAL: 跨语言多模态、多任务检索
本论文介绍了一种名为 MURAL 的双编码器，可以利用翻译对和图像 - 文本对从多个角度进行语言表示学习，并且可以通过对少量图像 - 文本样例的学习来改善对欠发达语言的性能。
PDF3 years ago
ACL多语种模型是否是中度资源语言的最佳选择？以加泰罗尼亚语为例的全面评估
本研究集中关注在 Catalan 语言，通过构建一个中等大小的单语言模型并进行完整的评估，成功地通过多样的任务比较，充分证明了其优越性，从而证实了在数据充足的情况下，单语言特定模型的效果能够超越多语言模型。
PDF3 years ago
DeepHateExplainer: 可解释的低资源孟加拉语仇恨言论检测
该论文提出了一种名为 DeepHateExplainer 的方法，利用神经集成（即单语言孟加拉 BERT-base、多语言 BERT-cased/uncased 和 XLM-RoBERTa）从计算资源匮乏的孟加拉语中分类政治、个人、地缘政治
PDF4 years ago
使用仅词嵌入的方法对 158 种语言进行词义消歧
本研究提出了一种基于预训练的词嵌入，利用完全无监督和无基于知识的方法诱导一个完整的词义库，并实现对 158 种语言中的单词进行上下文消歧，对于资源匮乏的语言特别有用。
PDF4 years ago