阿拉伯文书目记录的自动罗马化
Automatic Romanization of Arabic Bibliographic Records
摘要：
国际图书馆标准要求编目员繁琐地输入其目录记录的罗马化，以方便没有特定语言专长的图书馆用户。在本文中，我们提出了第一次报告的结果，自动罗马化的任务未变音阿拉伯书目条目。这个复杂的任务需要对阿拉伯语的语音、形态甚至语义进行建模。我们收集了一个250万字的平行阿拉伯语和罗马化书目条目语料库，并基准测试了一些模型，这些模型在复杂性和资源依赖性方面各不相同。我们最好的系统达到89.3%的准确字罗马化盲测试集。我们公开我们的数据和代码。
英文摘要：
International library standards require cataloguers to tediously input Romanization of their catalogue records for the benefit of library users without specific language expertise. In this paper, we present the first reported results on the task of automatic Romanization of undiacritized Arabic bibliographic entries. This complex task requires the modeling of Arabic phonology, morphology, and even semantics. We collected a 2.5M word corpus of parallel Arabic and Romanized bibliographic entries, and benchmarked a number of models that vary in terms of complexity and resource dependence. Our best system reaches 89.3% exact word Romanization on a blind test set. We make our data and code publicly available.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
