Beqi：以鲁棒拼写纠正器振兴塞内加尔沃洛夫语

自然语言处理（NLP）虽近年进展迅速，但各语言步伐并不一致。非洲语言尤其落后，缺乏自动处理工具。其中部分工具对这些语言的发展至关重要，也在诸多 NLP 应用中扮演重要角色。自动拼写检查器便是典型一例。已有多种方法研究以应对该任务，其中将拼写纠正建模为从错拼（含噪）文本到正拼（正确）文本的翻译任务展现出前景。然而，该方法一方面需要噪声数据与另一方面正确数据的平行语料，而沃洛夫语为低资源语言，并无此类语料。本文提出一种通过生成合成数据来解决数据缺乏约束的方法，并给出基于深度学习的序列到序列模型用于沃洛夫语拼写纠正。我们根据应用于数据的子词方法在不同场景下评估这些模型，表明子词方法对模型性能有显著影响，这为沃洛夫语拼写纠正的未来研究开辟了道路。