机器翻译提升低资源语言文本难度评估效果

研究人员开发了一种跨语言数据增强策略，以解决文本难度评估中专家标注语料库稀缺的问题，尤其是在低资源语言方面。通过使用机器翻译将高资源语言的标注数据迁移过来，他们训练了基于BERT的回归模型。实验表明，用机器翻译的语料库补充有限的本地数据，显著提高了难度估计的准确性，为缺乏广泛标注的语言提供了一个实用的解决方案。 AI

影响 这项研究为改进数据量有限语言的文本分析AI模型提供了一种方法。

排序理由 该项目是一篇学术论文，详细介绍了一种新的自然语言处理数据增强方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

• alphaXiv
• arXiv
• BERT
• CatalyzeX
• Common European Framework of Reference for Languages
• Connected Papers
• DagsHub
• Europe
• Gotit.pub
• Hugging Face
• Litmaps
• ScienceCast
• scite Smart Citations

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →