PRECEPT: Planning Resilience via Experience, Context Engineering & Probing Trajectories A Unified Framework for Test-Time Adaptation with Compositional Rule Learning and Pareto-Guided Prompt Evolution
PRECEPT通过经验、上下文工程与轨迹探测,结合组合规则学习和帕累托引导提示演化,提升测试时间适应的鲁棒性和泛化能力。
2026-03-10 cs.AI cs.IR
Automatic Rule Extraction from Long Short Term Memory Networks
UC Berkeley(加州大学伯克利分校);Facebook AI Research(Facebook人工智能研究院)
虽然深度学习模型已被证明在解决自然语言处理中的问题方面是有效的,但它们得出结论的机制往往不清楚。因此,这些模型通常被视为黑箱,无法洞察潜在的学习模式。在本文中,我们考虑了长短期记忆网络(LSTM),并展示了一种新的方法,用于跟踪给定输出的LSTM输入的重要性。通过识别一致的重要模式的话,我们能够提炼出最先进的LSTM的情感分析和问答到一组代表性的短语。然后,通过使用提取的短语来构建一个简单的、基于规则的分类器来定量验证这种表示,该分类器近似于LSTM的输出。
2017-02-24 cs.AI cs.CL cs.NE
One Tokenizer To Rule Them All: Emergent Language Plasticity via Multilingual Tokenizers
针对多语言大模型预训练的资源约束与新语言适配难题,提出用覆盖更多语言的通用分词器提升语言可塑性,实验证明其能显著提升新语言适配胜率且对原有语言性能影响极小。
2025-06-12 cs.CL
Automatically Generating Rules of Malicious Software Packages via Large Language Model
School of Cyberspace Security, Beijing Jiaotong University(网络安全学院,北京交通大学)
RuleLLM利用大语言模型自动为开源软件生态系统生成YARA和Semgrep规则,在1,633个恶意软件包数据集上实现85.2%精确率和91.8%召回率,优于现有工具,并提出了11类38子类的规则分类法。
2025-04-24 cs.AI cs.CR cs.SE
Automated Instruction Revision (AIR): A Structured Comparison of Task Adaptation Strategies for LLM
Eleks Ltd.(Eleks有限公司);Ukrainian Catholic University(乌克兰天主教大学)
本文研究了基于规则归纳的自动化指令修订(AIR)方法,用于在有限任务特定示例下适应大语言模型。通过比较多种适应策略在不同基准测试中的表现,发现任务依赖性显著,无单一方法在所有情况下占优。
2026-04-10 cs.CL cs.LG
Automatic Domain Adaptation Outperforms Manual Domain Adaptation for Predicting Financial Outcomes
Center for Information & Language Processing, LMU Munich(慕尼黑大学信息与语言处理中心);Institute for Finance & Banking, LMU Munich(慕尼黑大学金融与银行研究所)
在本文中,我们自动创建用于预测财务结果的情感词典。我们比较三种方法:(I)领域通用词典H4 N的手动适配,(ii)H4 N的自动适配,以及(iii)由首先手动适配、然后自动适配组成的组合。在我们的实验中,我们证明了自动适应的情绪字典在预测金融结果超额收益和波动性方面优于以前的最新技术。特别地,自动自适应比手动自适应执行得更好。在我们的分析中,我们发现基于专家对单词含义的先验信念的注释可能是不正确的-注释应该基于目标域中单词的上下文来执行。
2020-06-25 cs.CL
DNN adaptation by automatic quality estimation of ASR hypotheses
FBK-Fondazione Bruno Kessler(布鲁诺·凯斯勒基金会);University of Trento(特伦托大学)
在本文中,我们提出利用ASR假设的自动质量估计(QE)来执行深度神经网络建模声学概率的无监督自适应。我们的假设是,可以通过以下方式实现显著的改进:i)自动转录我们当前试图识别的评估数据,以及ii)基于QE组件预测的单词出错率(WER)分数,从其中选择“高质量”实例的子集。为了验证这一假设,我们对CHiME-3挑战发布的评估数据集进行了几次实验。首先,我们在人工翻译的评估数据可用的条件下进行操作,从而使我们能够计算“真”句子WER。在这种情况下,我们使用不同数量的数据进行自适应,这些数据的特点是不同的质量水平。然后,我们转向现实条件,其中评估数据的手动传输不可用。在这种情况下,对根据QE组件“预测”的WER分数选择的数据执行适配。我们的研究结果表明:i)QE预测使我们能够接近在oracle条件下获得的自适应结果,ii)基于所提出的QE驱动自适应方法的总体ASR性能明显优于最新的强CHiME-3基线。
2017-02-06 cs.CL
NeuTral Rewriter: A Rule-Based and Neural Approach to Automatic Rewriting into Gender-Neutral Alternatives
Tilburg University(蒂尔堡大学)
近年来,越来越需要性别中立和包容性的语言。在NLP领域,有各种单语言和双语用例,其中性别包容性语言是适当的,如果不是首选,由于模糊或不确定性的性别方面的参考。在这项工作中,我们提出了一个基于规则的和神经的方法,以性别中立的重写英语以及手动策划的合成数据(WinoBias+)和自然数据(OpenSubtitles和Reddit)基准。详细的手动和自动评估强调了我们的Neutral Rewriter如何在基于规则的方法生成的数据上进行训练,在合成,域内和域外测试集上获得低于0.18%的单词出错率(WER)。
2021-09-13 cs.AI cs.CL
Automatic Generation of High Quality CCGbanks for Parser Domain Adaptation
Nara Institute of Science and Technology(奈良先端科学技术大学院大学);Artificial Intelligence Research Center, AIST(产业技术综合研究所人工智能研究中心);Ochanomizu University(御茶水女子大学)
基于利用依赖树资源自动生成组合范畴语法语料库的思想,提出了一种新的组合范畴语法分析的领域自适应方法.我们的解决方案在概念上很简单,并且不依赖于特定的解析器架构,这使得它适用于当前性能最好的解析器。我们进行了广泛的解析实验,并进行了详细的讨论;在现有的(1)生物医学文本和(2)问题句子的基准数据集之上,我们创建了(3)语音对话和(4)数学问题的实验数据集。当应用于所提出的方法时,现成的CCG解析器显示出显着的性能增益,在语音会话上从90.7%提高到96.6%,在数学问题上从88.5%提高到96.8%。
2019-06-05 cs.CL
Continued Pretraining for Domain Adaptation of Wav2vec2.0 in Automatic Speech Recognition for Elementary Math Classroom Settings
University of Maryland(马里兰大学);Stanford University(斯坦福大学)
本研究验证持续预训练能有效将Wav2vec2.0适配至小学数学课堂ASR场景,显著降低词错误率超10%,并提升对噪声、麦克风及不同人群的鲁棒性与泛化能力。
2024-05-15 cs.AI cs.CL eess.AS
Automatic Dialect Adaptation in Finnish and its Effect on Perceived Creativity
Lab. LATTICE, ENS/PSL & CNRS & Univ. Sorbonne nouvelle(LATTICE实验室,巴黎高等师范学院/巴黎文理研究大学、法国国家科学研究中心、新索邦大学);Rootroo Ltd(Rootroo有限公司);University of Helsinki(赫尔辛基大学)
我们提出了一种新的方法,以适应不同的方言写在标准芬兰语的文本。我们通过使用多方言和迁移学习方法对字符级NMT模型进行了实验。这些模型用20多种不同的方言进行了测试。结果似乎有利于迁移学习,虽然不是强烈的多方言的方法。我们研究的影响方言适应感知创造力的计算机生成的诗歌。我们的研究结果表明,越是偏离标准的芬兰语方言,人们往往会给现有的评价指标较低的分数。然而,在词汇联想测试中,人们更多地将创造力和独创性与方言联系在一起,而流利性则与标准芬兰语联系在一起。
2020-09-06 cs.CL
Experimenting with UD Adaptation of an Unsupervised Rule-based Approach for Sentiment Analysis of Mexican Tourist Texts
University of Göttingen(哥廷根大学);Deutsches Elektronen-Synchrotron DESY(德国电子同步加速器研究所)
本文提出一种基于Universal Dependencies适配的无监督组合递归规则方法用于墨西哥旅游文本情感分析,通过句法规则处理否定与修改,在跨数据集鲁棒性及可解释性上显著优于现有无监督启发式方法。
2023-09-11 cs.CL
Listen, Adapt, Better WER: Source-free Single-utterance Test-time Adaptation for Automatic Speech Recognition
Amazon Inc.(亚马逊公司);Meta AI
尽管基于深度学习的端到端自动语音识别(ASR)近年来表现出了卓越的性能,但它在从不同数据分布中提取的测试样本上存在严重的性能回归。测试时自适应(TTA),以前在计算机视觉领域进行过探索,旨在调整在源域上训练的模型,以便在不访问源数据的情况下,为测试样本(通常是域外)提供更好的预测。在这里,我们提出了单话语测试时间适应(SUTA)框架的ASR,这是第一个TTA研究ASR,以我们最好的知识。单话语TTA是更现实的设置,其不假设测试数据是从相同的分布中采样的,并且不会由于针对该批自适应数据的预收集而延迟按需推理。SUTA由无监督目标和有效的适应策略组成。实验结果表明,SUTA有效地提高了源ASR模型在多个领域外目标语料库和领域内测试样本上的性能。
2022-06-21 cs.CL cs.SD eess.AS
A Dataset for Plain Language Adaptation of Biomedical Abstracts
Lister Hill National Center for Biomedical Communications(李斯特·希尔国家生物医学交流中心);U.S. National Library of Medicine(美国国家医学图书馆);National Institutes of Health(美国国立卫生研究院)
尽管与健康相关的文献呈指数级增长,但科学文章的语言可能难以让公众理解。因此,将这种专家级语言改编成通俗语言版本对于公众可靠地理解大量与健康相关的文献是必要的。用于自动适应的深度学习算法是一种可能的解决方案;然而,需要黄金标准数据集进行适当的评估。到目前为止,建议的数据集包括成对的可比较的专业和一般公众面对的文件或从这些文件中挖掘出的语义相似的句子。这导致了不完美的比对和小测试集之间的权衡。为了解决这个问题,我们创建了Plain Language Adaptation of Biomedical Abstracts数据集。此数据集是第一个手动调整的数据集,它既与文档对齐,又与文档对齐。该数据集包含750个改编摘要,共计7643个句子对。在描述数据集的同时,我们还使用最先进的深度学习方法对数据集进行了自动适应基准测试,为未来的研究设定了基线。
2022-10-21 cs.AI cs.CL
From Stance to Concern: Adaptation of Propositional Analysis to New Tasks and Domains
Institute for Human & Machine Cognition(人类与机器认知研究所);Stony Brook University(石溪大学);Smart Information Flow Technologies(智能信息流技术公司)
我们提出了一个广义的范式适应命题分析(谓词参数对)新的任务和领域。我们利用立场(信仰驱动的情绪)和关注(道德维度/认可的话题)之间的类比来产生解释性表示。一个关键的贡献是结合了半自动资源建设领域相关的关注类型的提取(每个领域2 - 4小时的人力劳动)和一个完全自动的过程提取领域独立的道德维度和认可值。谨慎(自动)的词汇扩展(通过语义相似性)的命题结构的条款选择产生新的道德维度词汇在三个层次的粒度超出了一个强大的基线词汇。我们开发了一个基于专家注释器的地面实况(GT),并将我们的关注检测输出与GT进行比较,在召回率方面比基线提高了231%,而精度仅损失了10%。F1比基线提高了66%,人类表现提高了97.8%。我们的基于词汇的方法产生了大量的节省方法,采用昂贵的人力和模型构建。我们为社区提供了一个新扩展的道德维度/价值词典,注释指南和GT。
2022-03-20 cs.AI cs.CL
Damage Control During Domain Adaptation for Transducer Based Automatic Speech Recognition
NVIDIA(英伟达)
自动语音识别模型经常被修改以提高它们在新领域中的准确性。模型适应新域的潜在缺点是灾难性遗忘,其中原始域上的字出错率显著降低。本文讨论的情况下,我们要同时适应自动语音识别模型到一个新的域,并限制在原始域的准确性下降,而无需访问原始的训练数据集。我们提出了几种技术,例如有限的训练策略和用于传感器编码器,预测和连接器网络的正则化适配器模块。我们将这些方法应用于谷歌语音命令和英国和爱尔兰英语方言语音数据集,并在新的目标域上获得了强有力的结果,同时限制了原始域的退化。
2022-10-06 cs.CL cs.LG cs.SD
Automatic Lyric Transcription for Greek Songs: Scaling and Task Composition Effects in Whisper Adaptation
Institute for Language and Speech Processing, Athena R.C.(雅典研究与技术中心语言与语音处理研究所)
针对希腊语低资源场景,首次系统研究 Whisper 模型规模、多任务组合及两阶段适应,构建对齐数据集,实现 WER 27.2%,建立首个希腊语 ALT 基准。
2026-09-11 cs.CL cs.SD
Comparison and Adaptation of Automatic Evaluation Metrics for Quality Assessment of Re-Speaking
重新说话是一种获得高质量字幕的机制,用于现场直播和其他公共活动。因为它依赖于人类执行实际的复述,所以估计结果质量的任务是不平凡的。大多数组织依靠人类来执行实际的质量评估,但对于其他类似问题,如机器翻译,已经开发了纯自动方法。本文将尝试比较几种方法:BLEU,EBLEU,NIST,METEOR,METEOR-PL,TER和RIBES。然后,这些将被匹配到人类派生的NER度量,通常用于重新说话。
2016-01-12 cs.CL stat.AP stat.ML
Benchmarking and Domain Adaptation of Automatic Speech Recognition (ASR) for Adolescent Health Communication in Ghanaian Languages
University of Cape Coast(海岸角大学);Ghana Natural Language Processing(加纳自然语言处理机构)
本研究对三种加纳语言的ASR系统进行基准测试和领域自适应,通过微调Qwen3-ASR-0.6B显著降低WER,并部署KasaHealth应用验证,表明领域数据是关键制约因素。
2026-09-25 cs.AI cs.CL
Generative Adversarial Training Data Adaptation for Very Low-resource Automatic Speech Recognition
Graduate School of Informatics, Kyoto University(京都大学信息学研究生院)
濒危语言语音数据的转录和存档对于保护语言文化遗产具有重要意义,而自动语音识别(ASR)技术是实现这一目标的有力工具。然而,由于濒危语言通常不具有具有许多说话者的大型语料库,因此在它们上训练的ASR模型的性能通常相当差。然而,我们经常会留下大量需要转录的自发语音数据记录。在这项工作中,为了减轻这种扬声器稀疏性问题,我们建议转换整个训练语音数据,使其听起来像测试扬声器,以便为该扬声器开发一个高度准确的ASR系统。为此,我们利用基于CycleGAN的非并行语音转换技术来伪造接近测试说话人语音的标记训练数据。我们在两个低资源语料库上评估了这种说话人自适应方法,即阿伊努语和姆博希语。我们在阿伊努语语料库上获得了35-60%的相对改善,在Mboshi语料库上获得了40%的相对改善。这种方法优于两种传统的方法,即无监督的适应和多语言训练这两个语料库。
2020-07-31 cs.CL eess.AS
A knowledge-based approach to semi-automatic annotation of multimedia documents via user adaptation
当前的注释过程方法集中在注释模式、注释语言上,或者是非常受应用程序驱动的。在本文中,它提出了一个更灵活的架构注释需要一个知识组件,以允许灵活的搜索和导航的注释材料。特别是,它声称,一个一般的方法必须考虑到的需求,能力和目标的生产者,注释者和消费者的注释材料。因此,我们建议有必要采用基于用户模型的方法。
2004-10-23 cs.CL cs.DL cs.IR
LI-TTA: Language Informed Test-Time Adaptation for Automatic Speech Recognition
Korea Advanced Institute of Science and Technology (KAIST)(韩国科学技术院(KAIST));University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
针对自动语音识别测试时自适应仅关注声学特征、忽略语言学特性的局限,提出融合外部语言模型修正信息的LI-TTA方法,通过联合优化CTC损失与标准TTA损失提升分布偏移场景下的模型性能。
2024-08-11 cs.CL cs.SD eess.AS
Automatic Rule Generation for Time Expression Normalization
Nanjing University(南京大学)
时间表达式的理解包括两个子任务:识别和规范化。近年来,时间表达式的识别取得了很大的进展,而规范化的研究相对滞后。现有的SOTA规范化方法高度依赖于专家设计的规则或语法,这限制了它们在新兴语料库(如社交媒体文本)上的性能。本文将时间表达式规范化建模为构造规范化时间值的一系列操作,并提出了一种新的方法ARTime,该方法可以在不需要专家干预的情况下,从训练数据中自动生成规范化规则。具体而言,ARTime自动捕获可能的操作序列从注释数据和生成规范化规则的时间表达式与常见的表面形式。实验结果表明,ARTime可以显着超过SOTA方法的推文基准,并取得竞争力的结果与现有的专家工程的规则方法的TempEval-3基准。
2022-10-10 cs.CL
Gated Low-rank Adaptation for personalized Code-Switching Automatic Speech Recognition on the low-spec devices
School of Electrical Engineering, Korea University(高丽大学电气工程学院)
本文提出权重分离方法与门控低秩适应(GLoRA),在低规格设备上实现个性化语码转换自动语音识别,实验证明其优于传统模型且优于常规LoRA。
2024-04-24 cs.AI cs.CL eess.AS
Automatic Rule Induction for Interpretable Semi-Supervised Learning
Microsoft(微软)
半监督学习在允许NLP模型从少量标记数据中概括方面表现出了希望。同时,预训练的Transformer模型充当了黑盒关联引擎,难以解释,有时行为不可靠。在本文中,我们提出通过自动规则归纳(ARI)来解决这两个挑战,ARI是一个简单而通用的框架,用于自动发现符号规则并将其集成到预训练的Transformer模型中。首先,我们从在少量标记数据上训练的低容量机器学习模型中提取弱符号规则。接下来,我们使用注意力机制将这些规则集成到高容量的预训练Transformer模型中。最后,规则增强系统成为自训练框架的一部分,以增强对未标记数据的监督信号。这些步骤可以在各种现有的弱监督和半监督NLP算法下分层,以提高性能和可解释性。九个序列分类和关系抽取任务的实验表明,ARI可以改善国家的最先进的方法,没有手动工作和最小的计算开销。
2022-10-14 cs.CL
Transliterated Zero-Shot Domain Adaptation for Automatic Speech Recognition
Institute of Acoustics, Chinese Academy of Sciences(中国科学院声学研究所);University of Chinese Academy of Sciences(中国科学院大学)
本文提出音译零样本领域自适应方法,通过跨语言预训练和一致的标签微调,解决目标语言数据缺失下的领域自适应问题,相比基线词错误率相对降低9.2%。
2024-12-15 cs.CL cs.SD eess.AS
Keeping it simple: Implementation and performance of the proto-principle of adaptation and learning in the language sciences
University of Birmingham(伯明翰大学);Numerical Algorithms Group(数值算法集团)
在本文中,我们介绍了Widrow-Hoff规则及其应用程序的语言数据。在将规则历史地置于上下文并将其置于神经启发的人工学习模型链中之后,我们解释了其原理和实现考虑。使用一些案例研究,我们说明了如何Widrow-Hoff规则提供了意想不到的机会,计算模拟的一系列语言现象,使人们有可能从一个新的角度来处理老问题。
2021-08-28 cs.CL cs.LG stat.ML
RIMRULE: Improving Tool-Using Language Agents via MDL-Guided Rule Learning
Intuit AI Research(Intuit AI研究)
研究针对大型语言模型在特定领域使用工具的难题,提出RIMRULE神经符号方法,通过从失败轨迹提炼规则并用MDL目标巩固,以动态注入规则提升性能,实验证明该方法能提高工具使用准确性,且规则具有跨架构可移植性。
2026-07-09 cs.CL
Auto-GDA: Automatic Domain Adaptation for Efficient Grounding Verification in Retrieval-Augmented Generation
University of Tübingen(蒂宾根大学);MIT(麻省理工学院);AWS AI Labs(亚马逊云科技人工智能实验室)
针对真实 RAG 场景中轻量 NLI 验证模型领域不匹配且缺少标注的问题,本文提出 Auto-GDA,利用教师弱标签与离散优化迭代生成并筛选合成数据,实现无监督领域适应。
2025-03-14 cs.CL cs.LG
Look Ma, Only 400 Samples! Revisiting the Effectiveness of Automatic N-Gram Rule Generation for Spelling Normalization in Filipino
Yale University(耶鲁大学)
由于有8475万菲律宾人在线,模型处理在线文本的能力对于开发菲律宾NLP应用程序至关重要。为此,拼写校正是下游处理的关键预处理步骤。然而,数据的缺乏阻止了语言模型用于该任务。本文提出了一种具有自动规则提取功能的N-Gram + Damerau Levenshtein距离模型。我们在300个样本上对模型进行了训练,结果表明,尽管训练数据有限,但它仍然取得了良好的性能,并且在准确性和编辑距离方面优于其他深度学习方法。此外,该模型(1)需要很少的计算能力,(2)在很短的时间内进行训练,从而允许重新训练,以及(3)易于解释,允许直接故障排除,突出了传统方法在数据不可用的设置中相对于更复杂的深度学习模型的成功。
2022-11-05 cs.CL
Automating rule generation for grammar checkers
Polish Academy of Sciences(波兰科学院)
在本文中,我描述了几种方法,自动或半自动开发的符号规则的语法检查从语料库中包含的信息。以这种方式获得的规则是对手动创建的规则的重要补充,这些规则似乎在基于规则的检查器中占主导地位。然而,创建规则的手动过程是昂贵的、耗时的并且容易出错。因此,使用机器学习算法自动或半自动创建规则似乎是明智的。所获得的结果似乎证实了我最初的假设,符号机器学习算法可以用于获取新的语法检查规则。然而,事实证明,在实际应用中,错误语料库不能成为语法检查中使用的唯一信息来源。因此,我建议,只有使用不同的方法,语法检查器,或者更普遍的计算机辅助校对工具,才能覆盖最常见和最严重的错误,避免似乎分散用户注意力的错误警报。
2012-11-29 cs.CL cs.LG
RA-FinBERT: Rule-aware LoRA adaptation for low-resource financial sentiment classification
Northern Arizona University(北亚利桑那大学)
本研究提出规则感知FinBERT(RA-FinBERT),将LoRA与VADER衍生特征结合,仅增1024个参数,在金融情感分类任务中较基线模型准确率、宏F1值及中性类召回率均显著提升,适配低资源场景。
2026-08-11 cs.CL cs.LG
Automatic Extraction of Rules Governing Morphological Agreement
Carnegie Mellon University(卡内基梅隆大学);George Mason University(乔治梅森大学)
建立语言的描述文法是语言文档化和保存的一个必不可少的步骤。然而,与此同时,这是一项繁琐、耗时的任务。在本文中,我们采取步骤自动化这一过程,设计一个自动化的框架,从原始文本中提取一个简明的,人类和机器可读的格式的第一遍语法规范。我们专注于提取规则描述协议,在世界上许多语言的语法的核心形态句法现象。我们将我们的框架应用于Universal Advertisement项目中包含的所有语言,并取得了可喜的成果。使用跨语言迁移,即使在感兴趣的语言中没有专家注释,我们的框架也提取了语法规范,该语法规范几乎等同于使用大量黄金标准注释数据创建的语法规范。我们通过人类专家对我们的框架产生的规则进行评估来证实这一发现,其平均准确率为78%。我们在https://neulab.github.io/lase/上发布了一个界面来演示提取的规则。
2020-10-06 cs.CL
Fast Domain Adaptation for Neural Machine Translation
IBM T.J. Watson Research Center(IBM T.J. 沃森研究中心)
神经机器翻译(NMT)是一种将文本从一种人类语言自动翻译成另一种人类语言的新方法。NMT的基本概念是训练一个大型神经网络,使其在给定的并行语料库上的翻译性能最大化。NMT在研究界越来越受欢迎,因为它在WMT的几个翻译任务和其他评估任务/基准测试中至少在一些语言对上优于传统的SMT方法。然而,多年来SMT中的许多增强尚未被纳入NMT框架。在本文中,我们专注于这样的增强,即领域自适应。我们提出了一种适应NMT系统到一个新的域的方法。领域自适应背后的主要思想是大的域外训练数据和小的域内训练数据的可用性。我们报告了我们提出的方法在两种语言对的自动度量和人类主观评价度量方面的显着收益。与我们的适应方法,我们表现出很大的改善,而我们的一般域的性能只略有下降。此外,我们的方法足够快,可以在几个小时内将已经训练好的系统适应新的领域,而不需要在组合数据上重新训练NMT模型,这通常需要几天/几周的时间,具体取决于数据量。
2016-12-20 cs.CL
Smartajweed Automatic Recognition of Arabic Quranic Recitation Rules
University of Venice(威尼斯大学);Cairo University(开罗大学)
《古兰经》是一部经典,它是一部经典。这意味着你必须给古兰经中的每一个字母它应有的特点,并将其应用到这个特定的字母在这个特定的情况下,而阅读,这可能在其他时间不同。这些特征包括旋律规则,比如在哪里停下来,停多久,什么时候合并发音中的两个字母,什么时候拉伸一些字母,甚至什么时候在一些字母上施加更大的力量。大部分的论文主要集中在主要的背诵规则和发音,但不是(Ahkam AL Tajweed),赋予不同的节奏和不同的旋律发音(Tajweed)的不同规则。这也被认为是非常重要和必不可少的阅读古兰经,因为它可以给不同的含义的话。本文详细讨论了利用支持向量机和阈值评分系统对《古兰经》背诵规则(Tajweed)进行自动识别的完整系统
2020-12-26 cs.CL cs.LG cs.SD
Sparse Logistic Regression with High-order Features for Automatic Grammar Rule Extraction from Treebanks
Université Paris Nanterre(巴黎楠泰尔大学);CNRS(法国国家科学研究中心);Modyco(莫迪科研究所);Sorbonne Université(索邦大学);ISIR(机器人与交互系统研究所);Institut Universitaire de France(法国大学研究院)
本文提出一种基于稀疏 Logistic Regression 的新方法,从 Treebanks 中提取并探索细粒度语法模式和潜在句法规则,结合统计信息对规则排名,在西班牙语、法语和 Wolof 语中成功捕获了已知与未知的显著语法规则。
2024-03-26 cs.CL
Unsupervised Domain Adaptation for Hate Speech Detection Using a Data Augmentation Approach
近年来,以仇恨言论形式出现的在线骚扰呈上升趋势。解决这个问题需要结合内容审核的人,由自动检测方法的帮助。由于内容审核本身对人们有害,我们希望通过改进仇恨言论的自动检测来减轻负担。仇恨言论提出了一个挑战,因为它是针对不同的目标群体使用完全不同的词汇。此外,仇恨言论的作者被鼓励掩饰他们的行为,以避免被从平台上删除。这使得很难开发一个全面的数据集来训练和评估仇恨言论检测模型,因为代表一个仇恨言论领域的例子通常不代表其他领域,即使在同一语言或文化中。我们提出了一种无监督的领域自适应方法来增强仇恨言论检测的标记数据。我们在三个不同的集合上使用三种不同的模型(字符CNN,BiLSTM和BERT)来评估该方法。我们的方法将精确率/召回率曲线下的面积提高了42%,召回率提高了278%,而精确率没有损失(在某些情况下有显着的提高)。
2021-07-31 cs.CL
Personalized Federated Fine-tuning for Heterogeneous Data: An Automatic Rank Learning Approach via Two-Level LoRA
George Mason University(乔治梅森大学)
针对联邦微调中预定义秩无法适应数据异构性的问题,提出基于两级 LoRA 的个性化联邦微调算法 PF2LoRA,通过自动学习各客户端适配秩实现个性化,在极少额外内存开销下显著提升了自然语言理解与生成任务的性能。
2025-03-05 cs.CL cs.LG
From Submit to Submitted via Submission: On Lexical Rules in Large-Scale Lexicon Acquisition
本文研究了大规模半自动计算词典获取过程中词汇规则的发现、表示和使用。该分析是基于一套LR实施和测试的基础上,西班牙语和英语的商业和金融相关的语料库。我们表明,虽然使用LR是合理的,他们并不是免费的。半自动输出检查是必需的,即使有阻塞和抢占过程内置。尽管如此,大范围的词汇习得是合理的,因为它们促进了大规模半自动词汇习得这一不可避免的过程。我们还认为,在计算过程中的LR的地方是一个复杂的问题。
1996-07-08 cmp-lg cs.CL