关键词:
藏文古文献
隔行标注
多任务学习
机器学习
民族古文献
摘要:
少数民族古籍是我国古籍文献的重要组成部分,是中华文明不可或缺的文明成果。但受制于语言文字识读的限制,参与民族古籍整理、挖掘和开发利用的研究团队规模小,技术力量不足,民族古籍文献的利用和普及传播力度不够。基于此,该文提出民族古籍隔行对照标注策略,旨在一定程度上解决文字识读困难,鼓励更多跨学科研究者参与民族古籍文献的研究,提高民族古籍开发效率。该文以藏文古文献为例,探索隔行标注策略,在人工标注一定规模语料的前提下,提出了基于多任务学习的隔行对照标注策略。该方法有效提升了隔行数据标注速度,减少了人工标注的工作量,有利于构建大规模的隔行对照数据库。实验结果表明,经过10 000条标注语料训练后,该模型在分词行和标注行上分别取得70.9%和63.2%的F1值,在翻译行上取得18.7%的BLEU值。基于隔行对照标注策略的方法显著地提升了民族古文献的研究范围和深度,避免了民族语本身带来的限制,为挖掘和弘扬中华民族传统文化贡献力量。