基于 Gemini 2.0 Flash Thinking 实验模型的 Bodo 词性标注与命名实体识别零样本跨语言迁移对比研究
机器学习
2026-05-01 v2 密码学与安全
网络与互联网体系结构
摘要
命名实体识别（NER）和词性标注（POS）是自然语言处理（NLP）的关键任务，但像 Bodo 这样的低资源语言（LRL）的可用性仍然有限。本文提出了一项比较实证研究，调查 Google 的 Gemini 2.0 Flash Thinking 实验模型在将 POS 和 NER 标注零样本跨语言迁移至 Bodo 方面的有效性。我们探索了两种不同的方法：（1）将英语句子直接翻译为 Bodo，然后进行标注迁移；（2）在并行英-博多语句子对上基于提示的标注迁移。两种方法都利用 Gemini 2.0 Flash Thinking 实验模型的机器翻译和跨语言理解能力，将英语 POS 和 NER 标注投射到 CONLL-2003 格式的 Bodo 文本上。我们的结果揭示了每种方法的能力和局限性，表明虽然两种方法都对启动 Bodo NLP 显示出前景，但基于提示的迁移表现出更优的性能，尤其是在 NER 方面。我们提供了详细的结果分析，突出了翻译质量、语法差异和零样本跨语言迁移固有挑战的影响。本文最后讨论了未来研究方向，强调需要混合方法、少样本微调以及开发专用的 Bodo NLP 资源，以实现对该低资源语言的高精度 POS 和 NER 标注。
引用
@article{arxiv.2503.04404,
title = {Temporal Analysis of NetFlow Datasets for Network Intrusion Detection Systems},
author = {Majed Luay and Siamak Layeghy and Seyedehfaezeh Hosseininoorbin and Mohanad Sarhan and Nour Moustafa and Marius Portmann},
journal= {arXiv preprint arXiv:2503.04404},
year = {2026}
}