基于视觉表示的希伯来文辅音符号恢复

希伯来文辅音符号恢复是确保正确单词发音并消除文本歧义的基本任务。尽管该语言在无元音时歧义度极高，近期机器学习方法已显著提升该任务性能。本文提出 DiVRit，一种新的希伯来文语音符号系统，将该任务定义为零样本分类问题。该方法在单词层面，从动态生成的候选集合中选择每个未标注单词的最合适辅音符号模式，基于其周围文本上下文。DiVRit 的关键创新在于使用希伯来视觉语言模型将带标注候选词处理为图像，使辅音信息直接嵌入向量表示中，而周围上下文保持基于分词。通过多种配置的全面评估，我们展示该系统无需依赖复杂的显式语言分析即可实现语音符号恢复。值得注意的是，在保证正确带标注形式存在于候选集合中的“oracle”设置下，DiVRit 达到了高水平的准确率。此外，战略性的架构增强和优化训练方法显著提升了系统的整体泛化能力。这些发现凸显了视觉表示在准确自动化希伯来文语音符号恢复方面的潜在前景。