跳到正文
arXiv · NLP· Chutong Meng, Alec J. Bateman, Antonios Anastasopoulos·· 21 天前AI 评分31

从历史档案构建平行语料:面向极小资源语言的大规模双语文本提取

Mobilizing the Archive: Bitext Extraction at Scale from Archival Documents for Extremely Low-resource Languages

AI 导读

该方法提出从语法书等语言学档案中批量提取平行句对,以补充极小资源语言的翻译语料。 研究构建了基于OCR与视觉语言模型(VLM)的提取流水线,并在20种语言中验证了其对机器翻译系统启动的效用。 应用上下文学习时,低资源与高资源语言的chrF2++指标相比零样本翻译分别提升15.78和6.94。

来源:arXiv · NLP · arxiv.org