多语言NLP中的跨语言迁移：语言族系与形态学的作用
机器学习
2025-05-21 v1
摘要
跨语言迁移已成为多语言NLP的关键方面,它允许模型从资源丰富的语言应用于更有效地应用到资源匮乏的语言。最近大型多语言预训练语言模型(如mBERT、XLM-R)展示出强大的零样迁移能力[14][13]。本文从语言族系和形态学的视角探讨跨语言迁移。研究语言族亲近性和形态学相似性如何影响跨NLP任务的性能。我们进一步讨论了结果与最新文献 findings 的关系。总体而言,我们比较了多语言模型性能并回顾了语言距离度量如何与迁移结果相关联。我们还关注整合类型学和形态学信息以提高对多样化语言迁移的新兴方法[18][19]。
引用
@article{arxiv.2505.13907,
title = {Cross-Domain Diffusion with Progressive Alignment for Efficient Adaptive Retrieval},
author = {Junyu Luo and Yusheng Zhao and Xiao Luo and Zhiping Xiao and Wei Ju and Li Shen and Dacheng Tao and Ming Zhang},
journal= {arXiv preprint arXiv:2505.13907},
year = {2025}
}
备注
IEEE TIP