基于最小费用流神经方法破译失落语言：从乌加里特文到线形文字 B
计算与语言
2019-06-18 v1
摘要
本文提出一种用于失落语言自动破译的新颖神经方法。为弥补强监督信号的缺失，我们的模型设计参考了历史语言学中记录的语言演变模式。该模型利用具表达力的序列到序列模型捕捉同源词间的字符级对应关系。为以无监督方式有效训练模型，我们将训练过程形式化为最小费用流问题从而创新训练流程。应用于乌加里特文破译时，我们相较最优结果取得 5.5% 的绝对提升。我们还报道了线形文字 B（一种与古希腊语相关的音节文字）破译的首个自动结果，其中我们的模型正确翻译了 67.3% 的同源词。
引用
@article{arxiv.1906.06718,
title = {Neural Decipherment via Minimum-Cost Flow: from Ugaritic to Linear B},
author = {Jiaming Luo and Yuan Cao and Regina Barzilay},
journal= {arXiv preprint arXiv:1906.06718},
year = {2019}
}
备注
Accepted by ACL 2019