利用 RNN 实现 digitized Coptic 手稿文本填充的lacuna语言学习
计算与语言
2024-07-18 v1
摘要
古代手稿常因损坏而存在文本缺口，称为lacuna。本文提出一种用于预测 Coptic 字符的双向 RNN 模型，以完成手稿lacuna中的字符预测。我们的最佳模型在单字符重建上达到72%的准确率，但在重建各种长度的lacuna时下降至37%。虽然不适用于最终手稿重建，但我们认为 RNN 模型可帮助学者对文本重建的可能性进行排序。以证据形式，我们使用 RNN 模型对两个早期 Coptic 手稿的重建进行排序。我们的研究表明，神经网络模型可增强传统的文本修复方法，为学者提供了评估 Coptic 手稿lacuna的另一工具。
引用
@article{arxiv.2407.12247,
title = {Lacuna Language Learning: Leveraging RNNs for Ranked Text Completion in Digitized Coptic Manuscripts},
author = {Lauren Levine and Cindy Tung Li and Lydia Bremer-McCollum and Nicholas Wagner and Amir Zeldes},
journal= {arXiv preprint arXiv:2407.12247},
year = {2024}
}
备注
Machine Learning for Ancient Languages, ACL 2024 Workshop, 15 August 2024