論文の概要: Swa-bhasha Resource Hub: Romanized Sinhala to Sinhala Transliteration Systems and Data Resources

• arxiv url: http://arxiv.org/abs/2507.09245v1
• Date: Sat, 12 Jul 2025 10:54:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-15 18:48:22.854091
• Title: Swa-bhasha Resource Hub: Romanized Sinhala to Sinhala Transliteration Systems and Data Resources
• Title（参考訳）: Swa-bhasha資源ハブ:SinhalaからSinhala翻訳システムとデータリソース
• Authors: Deshan Sumanathilaka, Sameera Perera, Sachithya Dharmasiri, Maneesha Athukorala, Anuja Dilrukshi Herath, Rukshan Dias, Pasindu Gamage, Ruvan Weerasinghe, Y. H. P. P. Priyadarshana,
• Abstract要約: Swa-bhasha Resource Hubは、2020年から2025年にかけて、SinhalaからSinhalaへの翻訳のために開発された、包括的なデータリソースとアルゴリズムのコレクションを提供する。 これらの資源は、シンハラ自然言語処理(NLP)の研究の進展に重要な役割を果たしている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The Swa-bhasha Resource Hub provides a comprehensive collection of data resources and algorithms developed for Romanized Sinhala to Sinhala transliteration between 2020 and 2025. These resources have played a significant role in advancing research in Sinhala Natural Language Processing (NLP), particularly in training transliteration models and developing applications involving Romanized Sinhala. The current openly accessible data sets and corresponding tools are made publicly available through this hub. This paper presents a detailed overview of the resources contributed by the authors and includes a comparative analysis of existing transliteration applications in the domain.
• Abstract（参考訳）: Swa-bhasha Resource Hubは、2020年から2025年にかけて、SinhalaからSinhalaへの翻訳のために開発された、包括的なデータリソースとアルゴリズムのコレクションを提供している。 これらの資源はSinhala Natural Language Processing (NLP)の研究を進め、特に翻訳モデルの訓練や、ローマ化されたSinhalaを含むアプリケーションの開発に重要な役割を果たしている。 現在のオープンアクセスデータセットとそれに対応するツールは、このハブを通じて公開されています。 本稿では,著者らが提供したリソースの概要を詳述し,既存の翻訳アプリケーションとの比較分析を行った。

関連論文リスト

• WanJuanSiLu: A High-Quality Open-Source Webtext Dataset for Low-Resource Languages [62.1053122134059]
  本稿では、低リソース言語のための高品質なトレーニングコーパスを提供するために設計されたオープンソースのデータセットWanJuanSiLuを紹介する。 我々は低リソース言語に適した体系的なデータ処理フレームワークを開発した。
  論文  参考訳（メタデータ） (2025-01-24T14:06:29Z)
• RedStone: Curating General, Code, Math, and QA Data for Large Language Models [134.49774529790693]
  本研究では,大規模言語モデルを事前学習するための包括的かつ柔軟なリソースとして,Common Crawlの未完成の可能性を探る。 私たちは、Common Crawlからデータを抽出し、処理するために設計された、革新的でスケーラブルなパイプラインであるRedStoneを紹介します。
  論文  参考訳（メタデータ） (2024-12-04T15:27:39Z)
• Dialectal and Low-Resource Machine Translation for Aromanian [44.99833362998488]
  本稿では,英語,ルーマニア語,ルーマニア語をサポートするニューラルマシン翻訳システムの構築プロセスについて述べる。 主な貢献は、79,000の文対からなるルーマニアとルーマニアの最も広範な平行コーパスの作成である。 そこで本研究では,テキストマイニングと自動評価のための言語に依存しない文埋め込みモデルを含む補助ツール群を提案する。
  論文  参考訳（メタデータ） (2024-10-23T10:00:23Z)
• SwaQuAD-24: QA Benchmark Dataset in Swahili [0.0]
  本稿では,Swahili Question Answering (QA)ベンチマークデータセットの作成を提案する。 このデータセットは、スワヒリの言語的多様性と複雑さを捉える高品質で注釈付き質問応答ペアを提供することに重点を置いている。 データプライバシ、バイアス緩和、インクリシティといった倫理的配慮が、データセット開発の中心である。
  論文  参考訳（メタデータ） (2024-10-18T08:49:24Z)
• L3Cube-MahaSum: A Comprehensive Dataset and BART Models for Abstractive Text Summarization in Marathi [0.4194295877935868]
  本稿では,マラタイにおける多種多様なニュース記事の大規模コレクションであるMahaSUMデータセットについて述べる。 データセットは、広範囲のオンラインニュースソースから記事を取り除き、抽象的な要約を手作業で検証することで作成されました。 我々は、MahaSUMデータセットを使用して、Indic言語用に調整されたBARTモデルの変種であるIndicBARTモデルをトレーニングする。
  論文  参考訳（メタデータ） (2024-10-11T18:37:37Z)
• Open the Data! Chuvash Datasets [50.59120569845975]
  Chuvash言語用の包括的データセットを4つ紹介する。 これらのデータセットには、モノリンガルデータセット、ロシア語による並列データセット、英語による並列データセット、オーディオデータセットが含まれる。
  論文  参考訳（メタデータ） (2024-05-31T07:51:19Z)
• The Evolution of Darija Open Dataset: Introducing Version 2 [0.0]
  DODaは、Darija-English翻訳における、同種のコラボレーションプロジェクトとしては最大である。 本稿では,DODAの戦略的重要性,その業績,今後の発展について考察する。
  論文  参考訳（メタデータ） (2024-05-14T15:08:32Z)
• IndicLLMSuite: A Blueprint for Creating Pre-training and Fine-Tuning Datasets for Indian Languages [36.80949728259958]
  本研究は、Indic LLMの開発に特化して設計された、拡張性のあるリソーススイートを紹介する。 このアプローチでは、高度にキュレートされた手作業による検証データ、検証されていないが価値のあるデータ、合成データを組み合わせています。 命令ファインチューニングでは、既存のIndicデータセットをアマルガメートし、英語データセットをインド語に翻訳・翻訳し、LLaMa2とMixtralモデルを利用する。
  論文  参考訳（メタデータ） (2024-03-11T00:46:56Z)
• NusaCrowd: Open Source Initiative for Indonesian NLP Resources [104.5381571820792]
  NusaCrowdは、インドネシア語の既存のリソースを収集し、統一する共同イニシアチブである。 我々の研究は、広く話されているにもかかわらず表現されていない言語に対する自然言語処理(NLP)の研究を進めようとしている。
  論文  参考訳（メタデータ） (2022-12-19T17:28:22Z)
• A Transfer Learning Pipeline for Educational Resource Discovery with Application in Leading Paragraph Generation [71.92338855383238]
  本稿では,新しいドメインに対するWebリソース発見を自動化するパイプラインを提案する。 パイプラインは2つの類似しているが新規なターゲットドメインで評価すると、F1スコアは0.94と0.82となる。 本研究は,サーベイジェネレーションのための各種Webリソースを考察した最初の研究である。
  論文  参考訳（メタデータ） (2022-01-07T03:35:40Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。