arXiv上的一篇新论文探讨了哈萨克语和俄语之间的语码转换识别问题，发现注释边界比所使用的模型更为关键。研究人员开发了一个黄金语言识别（LID）数据集，并为整合借词和从句级切换制定了具体指南。在测试中，FastText、Lingua和XLM-RoBERTa等模型表现各异，这表明注释定义而非模型类别本身，是准确识别的主要瓶颈。 AI
影响 强调了清晰的注释指南在自然语言处理（NLP）任务中的重要性，并提出在语码转换识别方面，改进数据标注可能比仅关注先进模型更具影响力。
排序理由 该集群包含一篇在arXiv上发表的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
