利用循环神经网络复原残缺的巴比伦文本
计算与语言
2022-06-08 v1 机器学习
机器学习
摘要
关于古代美索不达米亚历史与文化的主要信息来源是黏土楔形文字泥板。尽管这是一项极宝贵的资源，许多泥板却已破碎从而导致信息缺失。目前这些缺失部分由专家手动补全。在本工作中，我们研究通过利用循环神经网络对阿契美尼德时期巴比伦的古代阿卡德语文本进行建模，来辅助学者甚至自动补全这些文本中的残缺部分的可能性。
引用
@article{arxiv.2003.01912,
title = {Restoration of Fragmentary Babylonian Texts Using Recurrent Neural Networks},
author = {Ethan Fetaya and Yonatan Lifshitz and Elad Aaron and Shai Gordin},
journal= {arXiv preprint arXiv:2003.01912},
year = {2022}
}