使用神经编辑距离模型将拼写变体文学词汇与标准等价词配对
计算与语言
2026-02-18 v1
摘要
我们提出了一个新语料库，包含19世纪美国文学作品中的拼写变体词，并标注了对应的“标准”词对。我们训练了一组神经编辑距离模型，将这些变体与其标准形式配对，并将这些模型的性能与在L2英语学习者拼写错误语料库上训练的一组神经编辑距离模型的性能进行比较。最后，我们根据不同负训练样本生成策略分析了这些模型的相对性能，并就文学拼写变异对字符串配对方法构成的独特挑战给出了结论性评论。
引用
@article{arxiv.2401.15068,
title = {Pairing Orthographically Variant Literary Words to Standard Equivalents Using Neural Edit Distance Models},
author = {Craig Messner and Tom Lippincott},
journal= {arXiv preprint arXiv:2401.15068},
year = {2026}
}
备注
Accepted to LaTeCH@EACL2024