Romance
PulseAugur coverage of Romance — every cluster mentioning Romance across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新流程为低资源机器翻译生成合成数据
研究人员开发了一个新流程，通过从语法书中提取语法规则和例句，为低资源机器翻译生成合成平行语料库。该方法在三种不同的语言上进行了测试：Kalamang（巴布亚语系）、Tuatschin（罗曼语族）和Mandan（苏语族）。使用这些合成数据进行的微调过程显示出翻译质量的提高，ChrF++得分在Kalamang上最高可达+8.8，在Tuatschin上为+5.3，在Mandan上为+3.3。因子研究确定了影响这些提高的关键因素，展示了一种为…
-
Mastodon 上推广的关于浪漫和复仇的中国电视剧
两部中国电视剧正在 Mastodon 上推广，其中一部名为“反击”的电视剧讲述了一名女子在她的前夫发现她有一个孩子后，生活发生了变化。另一部电视剧“我意外嫁给了富家子弟……而他一直都在针对我”则围绕着一名女子误嫁入豪门，发现自己被继承人追求的故事。这两部电视剧均提供高清日文配音版本，并带有浪漫和中国电视剧等主题标签。
-
深度学习框架分析罗曼语族语法性别转变
研究人员开发了一个可解释的深度学习框架，用于研究从拉丁语到奥克西唐语的语法性别演变。该研究通过提出一种新颖的分词器来解决低资源历史语言学的挑战，并分析了形态特征和词性类别对性别预测的贡献。研究结果阐明了性别信息如何在词形和句子语境之间分布。
-
深度学习模型追踪语法性别从拉丁语到罗曼语系的转变
研究人员开发了一个深度学习框架，用于研究语法性别系统从拉丁语到罗曼语系的演变。该研究侧重于在大多数罗曼语系中从三性别系统（阳性、阴性、中性）转变为两性别系统（阳性、阴性）。该框架分析了词汇和上下文因素，发现传统的标记化方法对于低资源历史语言来说是不够的，并且形态特征和词性类别在预测语法性别方面起着重要作用。