面向印度语言手势输入的联合Transformer/RNN架构
机器学习
2022-03-29 v1 计算与语言
人机交互
摘要
手势输入是一种在基于触摸的键盘上通过绘制穿过相关按键的连续轨迹来输入单词的方法。本工作旨在开发支持印度语言手势输入的键盘。我们首先指出，在处理印度语言时，需满足两类不同用户：（i）偏好以原生印度文字（天城文、孟加拉文等）输入的用户；（ii）偏好以英文输入但希望输出转写为原生文字的用户。两种情况下，我们均需一个以轨迹为输入并映射至目标词的模型。为支持这些模型开发，我们创建并发布两个数据集。首先，我们创建了包含7种印度语言193,658个单词的键盘轨迹数据集。其次，我们从Wikidata中整理出这些语言间104,412组英-印转写对。利用这些数据集，我们构建了执行轨迹解码、转写与转写纠错的模型。与先前方法不同，我们提出的模型在解码时不做字符间独立假设。我们的模型在7种语言上的总体准确率介于70%至95%。
引用
@article{arxiv.2203.14049,
title = {Joint Transformer/RNN Architecture for Gesture Typing in Indic Languages},
author = {Emil Biju and Anirudh Sriram and Mitesh M. Khapra and Pratyush Kumar},
journal= {arXiv preprint arXiv:2203.14049},
year = {2022}
}
备注
Published at COLING 2020, 12 pages, 4 Tables and 5 Figures