本文介绍了塔吉克语和波斯语之间机器音译的新基准,并从不同来源开发了一个独特的平行语料库。该研究比较了六种模型架构,包括基于规则的系统、LSTM、Transformer 和预训练的多语言模型。结果表明,对于这种语言对,字节级和字符级模型(尤其是 ByT5)的性能明显优于 mT5 等基于子词的模型。 AI
影响 强调了字节/字符级模型在特定音译任务中优于子词分词的有效性。
排序理由 这是一篇研究论文,提出了一个新的基准和针对特定 NLP 任务的机器学习模型的比较研究。
- arXiv
- ByT5
- Farsi
- G2P Transformer
- LSTM
- Masnavi-i Ma'navi
- mBART
- Mullosharaf Arabov Am
- Shahnameh
- Tajik
- Transformer
- mT5
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →