論文の概要: A Two-Way Street: Surveying the Interplay between Code-Mixing and Native Languages in Text and Speech

• arxiv url: http://arxiv.org/abs/2610.27631v1
• Date: Tue, 20 Oct 2026 04:57:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.638366
• Title: A Two-Way Street: Surveying the Interplay between Code-Mixing and Native Languages in Text and Speech
• Title（参考訳）: 2通りの街路:テキストと音声におけるコードミキシングとネイティブ言語間の相互作用を調査
• Abstract要約: コードミキシング(CM)テキストと音声のシステムは、スクラッチから始まることは滅多にない。 ほとんどの仕事は混在する言語から借りています。 この転送は、CMデータがネイティブ言語のモデルを改善するために使用される場合、逆でも実行できる。
• 参考スコア（独自算出の注目度）: 0.21485350418225244
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Systems for code-mixed (CM) text and speech rarely start from scratch. CM data is scarce, so most work borrows from the languages being mixed, which we call native languages. This transfer can also run in reverse, when CM data is used to improve models for the native languages. Existing surveys focus on processing CM itself, and none brings the two directions together. This paper fills that gap with a systematic survey of transfer in both directions, across text and speech. We organise the surveyed work in a taxonomy of transfer direction, route and modality. Through this taxonomy, we find that most transfer runs from native languages into the CM setting. The reverse direction is younger, and in it code-switching mainly helps by aligning the two languages. Text and speech work share methods but rarely cite each other. On a shared speech benchmark, native data helps more than new architectures. These findings point to open challenges, such as how much native and CM data to mix in training, and how to evaluate CM text written in different scripts.
• Abstract（参考訳）: コードミキシング(CM)テキストと音声のシステムは、スクラッチから始まることは滅多にない。 CMデータは少ないので、ほとんどの作業は、ネイティブ言語と呼ばれる混在する言語から借りています。 この転送は、CMデータがネイティブ言語のモデルを改善するために使用される場合、逆でも実行できる。 既存の調査では、CM自体の処理に重点を置いています。 本稿では,テキストと音声の両方向の移動を系統的に調査することで,そのギャップを埋める。 調査対象を移動方向,経路,モダリティの分類で整理する。 この分類を通して、ほとんどの移動は母国語からCM設定への移動であることがわかった。 逆方向はより若く、コードスイッチングは主に2つの言語を調整するのに役立つ。 テキストと音声の作業はメソッドを共有するが、互いに引用されることは滅多にない。 共有音声ベンチマークでは、ネイティブデータは新しいアーキテクチャ以上の助けとなる。 これらの発見は、トレーニングでどれだけネイティブデータとCMデータが混在するか、異なるスクリプトで書かれたCMテキストを評価する方法など、オープンな課題を示している。

関連論文リスト

• Zero-shot and Few-shot Learning with Instruction-following LLMs for Claim Matching in Automated Fact-checking [7.242609314791262]
  クレームマッチングタスクに対するゼロショットおよび少数ショット学習アプローチについて検討する。 新しいCMデータセットであるClimMatchを紹介します。 本稿では,異なる長さのテキストに対して評価を行うCMのパイプラインを提案する。
  論文  参考訳（メタデータ） (2025-01-18T19:57:54Z)
• Breaking the Script Barrier in Multilingual Pre-Trained Language Models with Transliteration-Based Post-Training Alignment [50.27950279695363]
  転送性能は、低リソースのターゲット言語が高リソースのソース言語とは異なるスクリプトで書かれている場合、しばしば妨げられる。 本論文は,この問題に対処するために翻訳を用いた最近の研究に触発されて,翻訳に基づくポストプレトレーニングアライメント(PPA)手法を提案する。
  論文  参考訳（メタデータ） (2024-06-28T08:59:24Z)
• CoSTA: Code-Switched Speech Translation using Aligned Speech-Text Interleaving [61.73180469072787]
  インド語から英語のテキストへのコード変更音声の音声翻訳(ST)の問題に焦点をあてる。 本稿では、事前訓練された自動音声認識(ASR)と機械翻訳(MT)モジュールを足場として、新しいエンドツーエンドモデルアーキテクチャCOSTAを提案する。 COSTAは、多くの競合するカスケードおよびエンドツーエンドのマルチモーダルベースラインを3.5BLEUポイントまで上回っている。
  論文  参考訳（メタデータ） (2024-06-16T16:10:51Z)
• Exploring Multi-Lingual Bias of Large Code Models in Code Generation [55.336629780101475]
  コード生成は、自然言語(NL)仕様に基づいて、コードを合成し、機能要件を満たすことを目的としている。 有効性にもかかわらず、我々は大規模コードモデル(LCM)の生成性能において顕著な多言語バイアスを観察する。 LCMは、英語で指示を与えると解を生成する能力を示すが、中国語などの他のNLで意味論的に等価な命令に直面すると、失敗する可能性がある。
  論文  参考訳（メタデータ） (2024-04-30T08:51:49Z)
• IRCoder: Intermediate Representations Make Language Models Robust Multilingual Code Generators [49.903001442804594]
  本研究では、コンパイラ中間表現(IR)を活用して、Code-LMの多言語機能を改善する可能性について検討する。 まず,約400万のソースコードファイルからなる並列データセットであるSLTransをコンパイルする。 次に、SLTransにおける因果言語モデリングトレーニングを継続して実施し、Code-LMはIR言語を学習せざるを得なかった。 IRCoderと呼ばれる結果のモデルは、さまざまなコード生成タスクやメトリクスに対して、サイズと一貫性のあるゲインを表示します。
  論文  参考訳（メタデータ） (2024-03-06T17:52:08Z)
• CONFLATOR: Incorporating Switching Point based Rotatory Positional Encodings for Code-Mixed Language Modeling [10.26356931263957]
  コード混合言語のためのニューラル言語モデリングアプローチであるCONFLATORを紹介する。 回転位置エンコーディングと切替点情報とが最適な結果をもたらすことを示す。 ConFLATORは、コードミキシングされたヒンディー語と英語に基づく2つのタスクで最先端のパフォーマンスを達成している。
  論文  参考訳（メタデータ） (2023-09-11T07:02:13Z)
• Exploring Methods for Building Dialects-Mandarin Code-Mixing Corpora: A Case Study in Taiwanese Hokkien [5.272372029223681]
  シンガポール、インドネシア、マレーシアなどの東南アジア諸国では、ホーキエン・マンダリンは中国系移民の中で最も広く使われている混成言語である。 本研究では,Hokkien-Mandarin CMデータセットの構築手法を提案し,その制限を緩和し,Sino-Tibetan 言語群における形態的問題を克服し,効率的なHokkien 単語セグメンテーション法を提案する。
  論文  参考訳（メタデータ） (2023-01-21T11:04:20Z)
• PESTO: Switching Point based Dynamic and Relative Positional Encoding for Code-Mixed Languages [1.7073542935233876]
  CM言語に対する切替点に基づく位置符号化技術の適用に関する最初の観察結果を示す。 結果はSOTAよりわずかに優れているが、位置符号化はCMテキストに対する位置感受性言語モデルの訓練に有効な方法であることが明らかである。
  論文  参考訳（メタデータ） (2021-11-12T08:18:21Z)

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。