Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2501.00529

帮助 | 高级搜索

计算机科学 > 计算与语言

arXiv:2501.00529 (cs)
[提交于 2024年12月31日 ]

标题: 僧伽罗语转写:基于规则和Seq2Seq方法的比较分析

标题: Sinhala Transliteration: A Comparative Analysis Between Rule-based and Seq2Seq Approaches

Authors:Yomal De Mel, Kasun Wickramasinghe, Nisansa de Silva, Surangika Ranathunga
摘要: 由于便利性和技术素养不足,音译(即用拉丁字母转写本土文字而不是使用本地化工具)在低资源语言如僧伽罗语的背景下非常普遍,这些语言有自己的书写文字。 在本研究中,我们的重点是拉丁化的僧伽罗语音译。 我们提出了两种方法来解决这个问题:我们的基线方法是一种基于规则的方法,然后将其与我们的第二种方法进行比较,我们在第二种方法中将音译问题视为类似于已建立的神经机器翻译(NMT)任务的序列到序列任务。 对于后者,我们提出了一种基于Transformer的编码器-解码器解决方案。 我们观察到,与基于规则的方法相比,基于Transformer的方法能够捕捉许多临时的模式在拉丁化脚本中。 与本文相关的代码库可在GitHub上获取 - https://github.com/kasunw22/Sinhala-Transliterator/
摘要: Due to reasons of convenience and lack of tech literacy, transliteration (i.e., Romanizing native scripts instead of using localization tools) is eminently prevalent in the context of low-resource languages such as Sinhala, which have their own writing script. In this study, our focus is on Romanized Sinhala transliteration. We propose two methods to address this problem: Our baseline is a rule-based method, which is then compared against our second method where we approach the transliteration problem as a sequence-to-sequence task akin to the established Neural Machine Translation (NMT) task. For the latter, we propose a Transformer-based Encode-Decoder solution. We witnessed that the Transformer-based method could grab many ad-hoc patterns within the Romanized scripts compared to the rule-based method. The code base associated with this paper is available on GitHub - https://github.com/kasunw22/Sinhala-Transliterator/
评论: 8页,7表
主题: 计算与语言 (cs.CL)
ACM 类: F.2.2, I.2.7 68T50
引用方式: arXiv:2501.00529 [cs.CL]
  (或者 arXiv:2501.00529v1 [cs.CL] 对于此版本)
  https://doi.org/10.48550/arXiv.2501.00529
通过 DataCite 发表的 arXiv DOI
期刊参考: 2025.indonlp-1.19

提交历史

来自: Kasun Wickramasinghe [查看电子邮件]
[v1] 星期二, 2024 年 12 月 31 日 16:27:47 UTC (571 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
cs.CL
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-01
切换浏览方式为:
cs

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号