24、古典蒙古文自动拼写校正与无监督跨语言句子表示学习

古典蒙古文自动拼写校正与无监督跨语言句子表示学习

在自然语言处理领域，古典蒙古文的拼写校正以及跨语言句子表示学习是两个重要的研究方向。下面将分别介绍古典蒙古文自动拼写校正的相关成果，以及一种基于语言同构性的无监督跨语言句子表示学习框架。

古典蒙古文自动拼写校正

为了解决古典蒙古文文本中严重的拼写错误问题，研究人员提出了一种基于规则和神经模型的高质量混合方法。该方法的主要创新点在于引入了中间代码，避免了传统校对系统在初始阶段使用大量复杂规则来检测错误。

在实验中，研究人员对比了一元语法（unigram）、二元语法（bigram）、改进的二元语法（modified bigram）和 context2vec 表示模型的性能。具体性能（F 值）如下表所示：
| 方法 | 整体性能（F） |
| ---- | ---- |
| 一元语法（unigram） | 92.57% |
| 二元语法（bigram） | 87.28% |
| 改进的二元语法（modified bigram） | 93.27% |
| context2vec | 93.80% |

可以看出，context2vec 的整体性能比改进的二元语法高 0.57%，比一元语法模型高 1.33%。

此外，研究人员还进行了细粒度实验，提取了不同高频词与低频词比例的文本，测试了不同分布下的校正效果，结果如下表所示：
| 方法 | 0 | 1:1 | 2:1 | 3:1 | ∞ |
| ---- | ---- | ---- | ---- | ---- | ---- |
| 一元语法（unigram） | 2.