論文の概要: How Do Lexical Senses Correspond Between Spoken German and German Sign Language?

• arxiv url: http://arxiv.org/abs/2602.13790v1
• Date: Sat, 14 Feb 2026 14:12:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-17 14:17:28.422635
• Title: How Do Lexical Senses Correspond Between Spoken German and German Sign Language?
• Title（参考訳）: 語彙はドイツ語とドイツ語の手話にどのように対応しているのか?
• Authors: Melis Çelikkol, Wei Zhao,
• Abstract要約: 使用法に基づく手法を用いてドイツ語とドイツ語の手話(Deutsche Gebrdensprache, DGS)を分析した。 1型 (1対多), 2型 (2対1), 3型 (1対1) とNo Match の3種類の対応型を同定した。 本研究は,クロスモーダル感対応のための最初の注釈付きデータセットを構築し,どの対応パターンが計算学的に識別可能かを明らかにする。
• 参考スコア（独自算出の注目度）: 3.5138213455573095
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Sign language lexicographers construct bilingual dictionaries by establishing word-to-sign mappings, where polysemous and homonymous words corresponding to different signs across contexts are often underrepresented. A usage-based approach examining how word senses map to signs can identify such novel mappings absent from current dictionaries, enriching lexicographic resources. We address this by analyzing German and German Sign Language (Deutsche Gebärdensprache, DGS), manually annotating 1,404 word use-to-sign ID mappings derived from 32 words from the German Word Usage Graph (D-WUG) and 49 signs from the Digital Dictionary of German Sign Language (DW-DGS). We identify three correspondence types: Type 1 (one-to-many), Type 2 (many-to-one), and Type 3 (one-to-one), plus No Match cases. We evaluate computational methods: Exact Match (EM) and Semantic Similarity (SS) using SBERT embeddings. SS substantially outperforms EM overall 88.52% vs. 71.31%), with dramatic gains for Type 1 (+52.1 pp). Our work establishes the first annotated dataset for cross-modal sense correspondence and reveals which correspondence patterns are computationally identifiable. Our code and dataset are made publicly available.
• Abstract（参考訳）: 記号言語辞書作成者は、単語と記号のマッピングを確立することによって、バイリンガル辞書を構築する。 使用法に基づくアプローチでは、単語の感覚を記号にマッピングする方法は、現在の辞書から欠落しているような新しいマッピングを識別し、語彙的資源を豊かにする。 我々は、ドイツ語とドイツ語の手話(Deutsche Gebärdensprache, DGS)を分析し、ドイツ語の単語使用グラフ(D-WUG)の32語とドイツ語手話のデジタル辞書(DW-DGS)の49の記号から、手動で1,404の単語使用-手話IDマッピングを注釈付けすることで、この問題に対処する。 1型 (1対多), 2型 (2対1), 3型 (1対1), No Match の3種類の対応型を同定した。 我々は,SBERT埋め込みを用いたExact Match (EM) と Semantic similarity (SS) の計算手法を評価する。 SSはEM全体の88.52%と71.31%を大きく上回り、タイプ1(+52.1 pp)の劇的な上昇をみせた。 本研究は,クロスモーダル感対応のためのアノテートデータセットを初めて確立し,どの対応パターンが計算学的に識別可能かを明らかにする。 私たちのコードとデータセットは公開されています。

関連論文リスト

• Signs as Tokens: A Retrieval-Enhanced Multilingual Sign Language Generator [55.94334001112357]
  テキスト入力から3Dサインアバターを自動回帰的に生成できる多言語手話モデルSigns as Tokens(SOKE)を導入する。 単語レベルの正確な記号を提供するために,外部記号辞書を組み込んだ検索強化SLG手法を提案する。
  論文  参考訳（メタデータ） (2024-11-26T18:28:09Z)
• Bukva: Russian Sign Language Alphabet [75.42794328290088]
  本稿では,ロシア手話(RSL)ダクティルとしても知られる,ロシア語の指先文字の認識について検討する。 ダクティル (Dactyl) は手の動きが書かれた言語の個々の文字を表す手話の構成要素である。 当社は、RSLダクチル認識のための、最初の本格的なオープンソースビデオデータセットであるBakvaを提供している。
  論文  参考訳（メタデータ） (2024-10-11T09:59:48Z)
• Presence or Absence: Are Unknown Word Usages in Dictionaries? [6.185216877366987]
  我々は,フィンランド語,ロシア語,ドイツ語の共用課題であるAXOLOTL-24の評価を行った。 未知の単語使用量と辞書エントリ間のマッピングを予測するために,グラフベースのクラスタリング手法を用いる。 私たちのシステムはフィンランド語とドイツ語で第1位、ロシア語で第2位、Subtask 2テストフェーズのリーダーボードで第2位にランクインします。
  論文  参考訳（メタデータ） (2024-06-02T07:57:45Z)
• Improving Continuous Sign Language Recognition with Cross-Lingual Signs [29.077175863743484]
  本稿では,多言語手話コーパスを用いた連続手話認識の実現可能性について検討する。 まず、2つのデータセットに現れる独立した記号を含む2つの手話辞書を構築します。 次に、適切に最適化された手話認識モデルを用いて、2つの手話間の手話間の手話マッピングを同定する。
  論文  参考訳（メタデータ） (2023-08-21T15:58:47Z)
• Towards Unsupervised Recognition of Token-level Semantic Differences in Related Documents [61.63208012250885]
  意味的差異をトークンレベルの回帰タスクとして認識する。 マスク付き言語モデルに依存する3つの教師なしアプローチについて検討する。 その結果,単語アライメントと文レベルのコントラスト学習に基づくアプローチは,ゴールドラベルと強い相関関係があることが示唆された。
  論文  参考訳（メタデータ） (2023-05-22T17:58:04Z)
• CiCo: Domain-Aware Sign Language Retrieval via Cross-Lingual Contrastive Learning [38.83062453145388]
  手話検索は、テキスト・トゥ・サイン・ビデオ(T2V)検索とサイン・ビデオ・トゥ・テキスト(V2T)検索の2つのサブタスクで構成される。 我々は手話と自然言語の両方の言語特性を考慮し、さらに粒度の細かい言語間マッピングを同時に同定する。 我々のフレームワークは、様々なデータセットに対して大きなマージンで先駆的手法より優れています。
  論文  参考訳（メタデータ） (2023-03-22T17:59:59Z)
• edATLAS: An Efficient Disambiguation Algorithm for Texting in Languages with Abugida Scripts [0.0]
  アブティダ(abugida)は、各音節を単一の子音またはタイポグラフィーのリガチュアで表現する音素表記システムである。 本稿では, あいまいな表現アルゴリズムを提案し, バグダ記述システムを用いた2つの新しい入力方式でその有用性を示す。 ヒンディー語、ベンガル語、タイ語での入力速度は19.49%、25.13%、14.89%向上した。
  論文  参考訳（メタデータ） (2021-01-05T03:16:34Z)

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。