共享词汇的幸福：音转写方法研究
计算与语言
2026-03-25 v2 人工智能
摘要
音转写已成为跨语言 NLP 领域的热门方法，尤其在使用非拉丁字母的语言中展现出悠久的成果。我们探讨了共享脚本、重叠词汇表和共享语音对多语言模型性能的贡献程度。为此，我们采用三种音转写方式（罗马化、音义转写和替换密码）以及正字法，进行受控实验。我们在命名实体识别（NER）、词性标注（POS）和自然语言推理（NLI）三个下游任务上评估每个模型，发现罗马化在11个12个评估情境下均显著优于其他输入类型，基本上与我们的假设一致，即它是最有效的方法。我们进一步分析了每个因素对成功贡献的作用，并建议更长的（子词）词汇与预训练语言共享，能更好地利用模型。
引用
@article{arxiv.2510.10827,
title = {Happiness is Sharing a Vocabulary: A Study of Transliteration Methods},
author = {Haeji Jung and Jinju Kim and Kyungjin Kim and Youjeong Roh and David R. Mortensen},
journal= {arXiv preprint arXiv:2510.10827},
year = {2026}
}
备注
Accepted to EACL 2026