引用mkw5053 · 2025-08
“Unsupervised models have partially cracked Ugaritic and Linear B [0]”
引用它说明无监督模型已部分破解乌加里特语和线性文字 B
用神经模型与最小费用流无监督破译乌加里特语与线性文字 B
论文提出一种用神经网络自动破译失传语言的方法。为弥补缺少强监督信号,模型设计借鉴了历史语言学记录的语言演变规律,用表达力强的序列到序列模型捕捉同源词之间的字符级对应。为了无监督地训练,作者把训练过程形式化为最小费用流问题。该方法在乌加里特语上比最先进结果绝对提升 5.5%,并首次报告对线性文字 B(与古希腊语相关的音节文字)的自动破译结果,正确翻译了 67.3% 的同源词。
评论者在谈到机器破译古文字时引用它,作为无监督模型已部分破译乌加里特语和线性文字 B 的例子。
候选里只有无监督词向量与跨语言对齐的相关背景,与神经解读的核心方法是概念上的类比,先建立无平行语料对齐的直觉再读本文。
词向量是跨语言无监督对齐的基础表示。
读抓 CBOW 与 Skip-gram 的目标,理解词向量的含义。
在两种语言的向量空间间学线性映射,是无平行数据对齐的早期思路。
读抓线性映射的学习与词典扩充。
无平行数据对齐词表示,与失传语言只有同源词线索的设定在概念上相近。
读抓对抗式对齐加 Procrustes 精炼的流程,对比本文的最小费用流。
用神经模型与最小费用流无监督破译乌加里特语与线性文字 B。
读抓字符级序列模型与最小费用流训练,以及历史语言学约束。
“Unsupervised models have partially cracked Ugaritic and Linear B [0]”