波斯语语体风格迁移

本研究探索了波斯语中的语体风格迁移，尤其是在数字平台上非正式语言日益普及的背景下，这对现有的自然语言处理（NLP）工具构成了挑战。目标是保留原始含义的同时将非正式文本转换为正式文本，同时处理词汇和句法差异。我们引入了一个新颖的模型Fa-BERT2BERT，它基于Fa-BERT架构，结合了一致性学习和基于梯度的动态加权。该方法提高了模型对句法变体的理解，在训练过程中有效平衡了损失分量。我们使用新设计的指标对Fa-BERT2BERT与现有方法进行了评估，这些指标旨在准确衡量句法和风格变化。结果表明，我们的模型在多种指标（包括BLEU、BERT分数、Rouge-l以及提出的指标）上均优于传统技术，突显了其熟练处理波斯语风格迁移复杂性的能力。本研究通过提高NLP模型的准确性和功能性，显著促进了波斯语处理，从而支持开发更高效、更可靠的NLP应用，能够有效处理语言风格转换，进而简化内容审核、增强数据挖掘结果并促进跨文化交流。