The Large Language Model GreekLegalRoBERTa
KTH Royal Institute of Technology（瑞典皇家理工学院）；National and Kapodistrian University of Athens（雅典国立卡波迪斯特里亚大学）
本文开发了四个版本的 GreekLegalRoBERTa 大型语言模型，在希腊语法律文本的命名实体识别和多类法律主题分类任务上超越了现有模型，为低资源语言的领域特定 NLP 研究做出贡献。
2024-10-10 cs.CL cs.LG
A Systematic Survey of Natural Language Processing for the Greek Language
Athens University of Economics and Business（雅典经济与商业大学）；Athena Research Center（雅典娜研究中心）；Stockholm University（斯德哥尔摩大学）
本研究提出一个可推广的系统性单语NLP综述框架，应用于希腊语（2012-2023），通过结构化搜索、任务与资源分类法分析现状与资源空白，并提供公开更新的常青资源，展示了对低资源语言的适用性。
2025-06-18 cs.AI cs.CL
Utilization of a Lexicon for Spelling Correction in Modern Greek
在本文中，我们提出了一个交互式拼写校正系统的现代希腊语。整个系统是基于一个形态词典。重点是词典的发展，特别是就存储经济性，速度效率和词典覆盖率而言。为了尽可能经济地描述屈折形态学，计算机工程和语言学领域都进行了广泛的研究。
1995-02-09 cmp-lg cs.CL
Forging GEMs: Advancing Greek NLP through Quality-Based Corpus Curation
Novelcore；Department of Statistics & Insurance University of Piraeus（统计与保险系 帕里埃斯大学）
针对希腊语数据稀缺和架构局限，提出GEMs模型家族，通过质量策展语料库训练，在三个基准上显著提升准确率，最高达3.6%。
2025-10-24 cs.AI cs.CL
Open or Closed LLM for Lesser-Resourced Languages? Lessons from Greek
AUEB（雅典经济与商业大学）；Archimedes/Athena RC（阿基米德/雅典研究中心）；University of Ioannina（约阿尼纳大学）；ILSP/Athena RC（语言处理研究所/雅典研究中心）
本研究针对现代希腊语，评估了开源与闭源大语言模型在七个NLP任务上的性能，创新性地将作者归属用于检测预训练数据使用，并展示了STE方法在法律文本聚类中的优势，为资源较少语言的NLP发展提供了路线图。
2025-01-22 cs.AI cs.CL cs.LG
Exploring Large Language Models for Classical Philology
Heidelberg University（海德堡大学）
本研究创建了四个在架构和语言维度上变化的古希腊语语言模型，通过形态和句法任务评估，证明了其相比SoTA的显著改进，为古典语言模型设计提供了系统分析和社区资源。
2023-05-23 cs.CL
Ancient Greek to Modern Greek Machine Translation: A Novel Benchmark and Fine-Tuning Experiments on LLMs and NMT Models
National and Kapodistrian University of Athens, Department of Informatics and Telecommunications（雅典国家和卡普迪斯特里亚大学信息与电信系）；Institute for Language and Speech Processing, Athena RC（语言与语音处理研究所，雅典RC）
本文提出了一种新的基准测试，并对LLM和NMT模型进行了微调实验，以解决古希腊语到现代希腊语的低资源机器翻译问题，展示了微调在提升翻译性能上的显著效果。
2026-05-18 cs.CL
Standardization of the formal representation of lexical information for NLP
INRIA（法国国家信息与自动化研究所）；HUB-IDSL
词典模型和格式的调查，以及相应的最近的标准化活动的介绍。
2009-11-26 cs.CL
Svarna: An Open Corpus Workbench for Modern Greek
Department of Philosophy, Linguistics and Theory of Science (FLoV), University of Gothenburg（哥德堡大学哲学、语言学与理论科学系）
介绍一个免费开源的现代希腊语网络语料库工作台Svarna，整合五个数据库共5.07亿词，提供索引、频率分析、搭配提取等功能，填补希腊语言技术空白。
2026-07-10 cs.CL
MANorm: A Normalization Dictionary for Moroccan Arabic Dialect Written in Latin Script
社交媒体用户生成的文本实际上是许多NLP任务的主要资源。然而，这段文字并没有遵循写作的标准规则。此外，在书面交流中使用摩洛哥阿拉伯语等方言进一步增加了NLP任务的复杂性。方言是一种没有标准拼写的口头语言，这导致用户在写作时即兴拼写。因此，对于同一个词，我们可以找到多种形式的音译。随后，必须将这些不同的音译规范化为一个规范的词形。为了实现这一目标，我们利用了由YouTube评论语料库生成的词嵌入模型的强大功能。此外，使用提供规范形式的摩洛哥阿拉伯语方言字典，我们已经建立了一个规范化字典，我们称之为MANGORY。我们已经进行了几个实验，以证明效率的MANSTRUCTURE，这表明它的实用性方言规范化。
2022-06-18 cs.CL
A survey of neural-network-based methods utilising comparable data for finding translation equivalents
Natural Language Processing Centre（自然语言处理中心）；Faculty of Informatics（信息学院）；Masaryk University（马萨里克大学）；Lexical Computing（词汇计算中心）
本文综述了基于神经网络利用可比数据自动诱导翻译等价对的方法，从词典学视角分析现有方法并指出可整合词典学见解的方向，以促进NLP与词典学的交叉研究。
2024-10-19 cs.CL
IRB-NLP at SemEval-2022 Task 1: Exploring the Relationship Between Words and Their Semantic Representations
Ruđer Bošković Institute（鲁杰尔·博什科维奇研究所）
一个词和它的描述，或者一个词和它的嵌入之间的关系是什么？描述和嵌入都是词的语义表征。但是，在这些表征中保留了来自原始词的哪些信息呢？或者更重要的是，这两种表征共享了关于一个词的哪些信息？定义建模和反向词典是解决这些问题的两个相反的学习任务。定义建模任务的目标是研究隐藏在词嵌入中的信息的力量，以人类可理解的方式表达单词的含义-作为字典定义。相反，反向词典任务探索直接从定义预测词嵌入的能力。在本文中，通过处理这两个任务，我们正在探索词和它们的语义表征之间的关系。我们根据对CODWOE数据集进行的描述性、探索性和预测性数据分析提出了我们的研究结果。我们详细介绍了我们为定义建模和反向字典任务设计的系统，并在SemEval-2022 CODWOE挑战赛的几个子任务中获得了最高分。我们希望我们提供的有关预测模型和数据分析的实验结果将被证明对未来单词表示及其关系的探索有用。
2022-05-13 cs.CL
Fin_Agent at FinEval 2026: Task-Aware Methods for Multilingual Financial NLP
University of North Texas（北得克萨斯大学）
Fin_Agent 针对 FinEval 2026 多语种金融 NLP 任务，采用规则结合 Qwen2.5-32B、线索评分器、BGE-M3 结合 Qwen3-32B 的方法，在三项任务上取得对应指标，代码已开源。
2026-10-14 cs.CL
Ve'rdd. Narrowing the Gap between Paper Dictionaries, Low-Resource NLP and Community Involvement
University of Helsinki（赫尔辛基大学）；Rootroo Ltd（Rootroo有限公司）
我们提出了一个开源的在线词典编辑系统，Ve'rdd，它提供了一个机会，重新评估和编辑已经暴露给多个业余编辑的基层词典。其想法是将社群活动纳入对一种严重濒危的少数民族语言-斯科尔特萨米语-的最新有限状态语言描述。问题涉及到让社区参与到文件和文件级别以上的事情中来。有时，母语人士和面向词典的人似乎缺乏技术理解，无法利用可能使他们的工作在未来更有意义的基础设施，即对所有输入的多重重用。因此，我们的系统集成了乌拉尔语言的现有工具和基础设施，掩盖了用户友好的UI背后的技术复杂性。
2020-12-04 cs.CL
3D-EX : A Unified Dataset of Definitions and Dictionary Examples
Cardiff University（卡迪夫大学）；Princess Nourah bint Abdulrahman University（努拉·宾特·阿卜杜勒拉赫曼公主大学）；Iran University of Science and Technology（伊朗科技大学）；AMPLYFI
本文提出3D-EX数据集，将多个英语词汇资源统一为<词项，定义，例句>三元组，并提供防记忆化的标准数据划分，实验表明其可有效用于下游NLP任务。
2023-08-11 cs.CL
BanLemma: A Word Formation Dependent Rule and Dictionary Based Bangla Lemmatizer
Giga Tech Limited（吉加科技有限公司）；University of Dhaka（达卡大学）；Bangladesh Computer Council（孟加拉国计算机委员会）；Fordham University（福特汉姆大学）；North South University（北南大学）
针对孟加拉语形态丰富、屈折度高导致词形还原困难的问题，本研究提出依赖构词法、结合语言学规则与词典的BanLemma词形还原器，采用后缀标记序列构建规则，在多数据集上取得了有竞争力的准确率，并开源了相关资源。
2023-11-06 cs.CL
Training dataset and dictionary sizes matter in BERT models: the case of Baltic languages
University of Ljubljana（卢布尔雅那大学）
大型预训练的掩蔽语言模型已经成为许多NLP问题的最先进的解决方案。虽然研究表明单语模型比多语言模型产生更好的结果，但训练数据集必须足够大。我们为立陶宛语、拉脱维亚语和英语训练了一个三语LitLat BERT类模型，为爱沙尼亚语训练了一个单语Est-RoBERTa模型。我们评估了他们的表现在四个下游任务：命名实体识别，依存句法分析，词性标注，和词的类比。为了分析专注于单一语言的重要性以及大型训练集的重要性，我们将创建的模型与爱沙尼亚语、拉脱维亚语和立陶宛语的现有单语和多语言BERT模型进行了比较。实验结果表明，新建立的LitLat BERT和Est-RoBERTa模型在大多数情况下都能改善现有模型在所有测试任务上的结果。
2021-12-20 cs.CL
Large Language Models for Low-Resource Languages: A Conceptual Framework for an Electronic Explanatory Dictionary of the Tajik Language
Kazan Federal University（喀山联邦大学）；Tajik National University（塔吉克国立大学）
本文针对低资源语言塔吉克语，提出结合LLMs与经典词典方法的电子解释词典概念架构，为相关应用NLP任务提供核心资源，适用于计算语言学等领域从业者。
2026-09-22 cs.CL
Natural Language Robot Programming: NLP integrated with autonomous robotic grasping
Lehigh University（理海大学）；University of Manchester（曼彻斯特大学）；University of Lincoln（林肯大学）
本文提出基于语法的自然语言机器人编程（NLRP）框架，通过自定义动作词词典实现词汇扩展，结合语音转文本技术生成机械臂关节轨迹，实验验证其在拾取与放置任务中具有高系统可用性且无需迁移学习。
2023-04-06 cs.CL cs.HC cs.RO
Transformer visualization via dictionary learning: contextualized embedding as a linear superposition of transformer factors
Facebook AI Research（脸书人工智能研究院）；Berkeley AI Research (BAIR), UC Berkeley（加州大学伯克利分校伯克利人工智能研究院（BAIR））；New York University（纽约大学）；Redwood Center for Theoretical Neuroscience, UC Berkeley（加州大学伯克利分校雷德伍德理论神经科学中心）
本文提出利用字典学习将Transformer的上下文嵌入表示为Transformer因子的线性叠加，通过可视化揭示其捕获的层次语义结构（如词级多义消歧、句级模式形成和长距离依赖），为理解Transformer网络内部机制提供了新见解。
2023-04-04 cs.CL cs.LG
How many words does ChatGPT know? The answer is ChatWords
Universidad Carlos III de Madrid（马德里卡洛斯三世大学）；Universidad Politécnica de Madrid（马德里理工大学）；Universidad de Valladolid（巴利亚多利德大学）；Northeastern University（东北大学）
本文提出可扩展的自动化测试系统 ChatWords，用于评估 ChatGPT 等 NLP 工具的词汇知识，并通过西班牙语词典和《Quixote》两个案例揭示其识别率与词义局限。
2023-09-28 cs.AI cs.CL
Automatic Keyword Extraction from Spoken Text. A Comparison of two Lexical Resources: the EDR and WordNet
词汇资源，如WordNet和EDR电子词典已被用于几个NLP任务。也许，部分原因是EDR不是免费提供的，WordNet的使用频率远远超过EDR。我们在同一任务中使用了这两种资源，以便进行比较。该任务是自动分配关键字到多方对话片段（即口语文本的主题连贯延伸）。我们表明，在这样的任务中使用的词汇资源的结果比使用一个纯粹的基于统计的方法略高的性能。
2004-10-25 cs.CL cs.DL cs.IR
