論文の概要: TajPersLexon: A Tajik-Persian Lexical Resource and Hybrid Model for Cross-Script Low-Resource NLP
- arxiv url: http://arxiv.org/abs/2605.06886v1
- Date: Thu, 07 May 2026 19:37:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-11 19:43:38.584415
- Title: TajPersLexon: A Tajik-Persian Lexical Resource and Hybrid Model for Cross-Script Low-Resource NLP
- Title（参考訳）: TajPersLexon: クロススクリプト低リソースNLPのためのTajik-Persian語彙資源とハイブリッドモデル
- Abstract要約: この研究はTajPersLexonを紹介した。Tajik-Persian並列語彙資源は40,112ワードとショートフレーズ対である。
i) 軽量ハイブリッドパイプライン, (ii) ニューラルシークエンス・ツー・シーケンスモデル, (iii) 検索手法の3つの手法を比較検討した。
評価の結果、この課題は基本的に解決可能であり、ニューラルネットワークと検索ベースラインが98-99%のトップ1精度を実現していることがわかった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This work introduces TajPersLexon, a curated Tajik--Persian parallel lexical resource of 40,112 word and short-phrase pairs for cross-script lexical retrieval, transliteration, and alignment in low-resource settings. We conduct a comprehensive CPU-only benchmark comparing three methodological families: (i) a lightweight hybrid pipeline, (ii) neural sequence-to-sequence models, and (iii) retrieval methods. Our evaluation establishes that the task is essentially solvable, with neural and retrieval baselines achieving 98-99% top-1 accuracy. Crucially, we demonstrate that while large multilingual sentence transformers fail on this exact lexical matching, our interpretable hybrid model offers a favorable accuracy-efficiency trade-off for practical applications, achieving 96.4% accuracy in an OCR post-correction task. All experiments use fixed random seeds for full reproducibility. The dataset, code, and models will be publicly released.
- Abstract（参考訳）: 本研究は,40,112ワードのペルシャ語並列語彙資源であるTajPersLexonを紹介した。
我々は3つの方法論を比較検討する総合的なCPU専用ベンチマークを実施している。
(i)軽量ハイブリッドパイプライン。
(ii)ニューラルシークエンス・ツー・シークエンスモデル、及び
(三)検索方法
評価の結果、この課題は基本的に解決可能であり、ニューラルネットワークと検索ベースラインが98-99%のトップ1精度を実現していることがわかった。
重要なことは、この正確な語彙マッチングに大規模な多言語文変換器は失敗するが、我々の解釈可能なハイブリッドモデルは、実用的なアプリケーションに好適な精度と効率のトレードオフを提供し、OCR後修正タスクにおいて96.4%の精度を実現している。
すべての実験では、完全な再現性のために固定されたランダムシードを使用する。
データセット、コード、モデルが公開される。
関連論文リスト
- Character-Level Transformer for Tajik-Persian Transliteration with a Parallel Lexical Corpus [0.0]
本研究は、タジク文字からペルシア文字(ペルソ・アラビア文字)への自動翻訳について述べる。
本稿では,52,152個のタジク語,ペルシャ語,短文の並列コーパスについて検討した。
論文 参考訳（メタデータ） (2026-05-09T17:57:29Z) - A Hybrid Protocol for Large-Scale Semantic Dataset Generation in Low-Resource Languages: The Turkish Semantic Relations Corpus [0.0]
低リソース言語における大規模意味関係データセットを生成するためのハイブリッド手法を提案する。
提案手法では, セマンティッククラスタを識別するためのFastText埋め込みとAgglomerative Clusteringを統合し, セマンティッククラスタの自動分類のためのGemini 2.5-Flash, キュレートされた辞書ソースとの統合を行う。
得られたデータセットは、843,000のトルコのセマンティックペアで構成され、最小のコストで既存のリソースの10倍のスケールアップを表現している。
論文 参考訳（メタデータ） (2026-01-19T17:38:52Z) - NagaNLP: Bootstrapping NLP for Low-Resource Nagamese Creole with Human-in-the-Loop Synthetic Data [6.689013010749215]
NagaNLPは、Nagameseの包括的なオープンソースツールキットである。
LLM駆動だが人為的な合成データ生成に依存している。
私たちは差別モデルと生成モデルの両方を訓練します。
論文 参考訳（メタデータ） (2025-12-14T04:08:26Z) - A Theoretically Grounded Hybrid Ensemble for Reliable Detection of LLM-Generated Text [0.0]
本稿では,3つの相補的検出パラダイムを融合した,理論的に基礎付けられたハイブリッドアンサンブルを提案する。
中心となる新規性は、F1スコアを最大化する確率的単純度に基づいてアンサンブル重みを学習する最適化された重み付き投票フレームワークにある。
本システムでは、94.2%の精度と0.978のAUCを達成し、学術テキスト上での偽陽性を35%削減した。
論文 参考訳（メタデータ） (2025-11-27T06:42:56Z) - Reproducible Machine Learning-based Voice Pathology Detection: Introducing the Pitch Difference Feature [1.7779568951268254]
本稿では,現在公開されているSaarbr"ucken Voice Databaseを用いた音声病理診断手法を提案する。
機械学習(ML)アルゴリズムを6つ評価する - サポートベクターマシン、kネアレスト隣人、ナイーブベイズ、決定木、ランダムフォレスト、AdaBoost。
アプローチは, 女性, 男性, 合計で85.61%, 84.69%, および85.22%であった。
論文 参考訳（メタデータ） (2024-10-14T14:17:52Z) - Language Rectified Flow: Advancing Diffusion Language Generation with Probabilistic Flows [53.31856123113228]
本稿では,言語認識フロー (ours) を提案する。
本手法は, 標準確率流モデルの再構成に基づく。
実験およびアブレーション実験により,本手法は多くのNLPタスクに対して汎用的,効果的,有益であることが示されている。
論文 参考訳（メタデータ） (2024-03-25T17:58:22Z) - TriSum: Learning Summarization Ability from Large Language Models with Structured Rationale [66.01943465390548]
本稿では,大規模言語モデルのテキスト要約能力を,コンパクトで局所的なモデルに抽出するフレームワークであるTriSumを紹介する。
本手法は,様々なベンチマーク上での局所モデル性能を向上させる。
また、要約の合理性に関する洞察を提供することで、解釈可能性も向上する。
論文 参考訳（メタデータ） (2024-03-15T14:36:38Z) - Ensemble Transfer Learning for Multilingual Coreference Resolution [60.409789753164944]
非英語で作業する場合に頻繁に発生する問題は、注釈付きトレーニングデータの不足である。
我々は,様々なトランスファー学習技術を組み合わせた,シンプルだが効果的なアンサンブルベースのフレームワークを設計する。
また、ウィキペディアアンカーテキストを利用して、コア参照解決モデルをブートストラップする低コストのTL手法を提案する。
論文 参考訳（メタデータ） (2023-01-22T18:22:55Z) - OneAligner: Zero-shot Cross-lingual Transfer with One Rich-Resource
Language Pair for Low-Resource Sentence Retrieval [91.76575626229824]
文検索タスク用に特別に設計されたアライメントモデルであるOneAlignerを提案する。
大規模並列多言語コーパス(OPUS-100)の全ての言語ペアで訓練すると、このモデルは最先端の結果が得られる。
実験結果から,文アライメントタスクの性能はモノリンガルおよび並列データサイズに大きく依存することがわかった。
論文 参考訳（メタデータ） (2022-05-17T19:52:42Z) - Task-agnostic Continual Learning with Hybrid Probabilistic Models [75.01205414507243]
分類のための連続学習のためのハイブリッド生成識別手法であるHCLを提案する。
フローは、データの配布を学習し、分類を行い、タスクの変更を特定し、忘れることを避けるために使用される。
本研究では,スプリット-MNIST,スプリット-CIFAR,SVHN-MNISTなどの連続学習ベンチマークにおいて,HCLの強い性能を示す。
論文 参考訳（メタデータ） (2021-06-24T05:19:26Z) - Tackling the Low-resource Challenge for Canonical Segmentation [23.17111619633273]
カノニカルな形態素区分は、単語を標準化された形態素に分割するものである。
形態素生成の密接に関連する領域から借用した2つの新しいモデルについて検討する。
低リソース環境では、新しいアプローチがすべての言語で11.4%の精度で既存のものより優れていることが分かりました。
論文 参考訳（メタデータ） (2020-10-06T15:15:05Z) - Parameter Space Factorization for Zero-Shot Learning across Tasks and
Languages [112.65994041398481]
本稿では,ニューラルパラメータの空間に対するベイズ生成モデルを提案する。
タスク言語の組み合わせから得られたデータに基づいて、そのような潜伏変数よりも後部を推測する。
我々のモデルは、最先端のゼロショットの言語間転送手法よりも、同等か良い結果が得られる。
論文 参考訳（メタデータ） (2020-01-30T16:58:56Z)
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。