论文页面 - 《失译之误？语法性别从拉丁语到奥克语的演变探究》

来源：https://huggingface.co/papers/2605.09156

摘要

本文开发了一个深度学习框架，用于分析从拉丁语到罗曼语族的语法性别系统演变，在低资源历史语境下同时考察词汇因素与语境因素。

从拉丁语到罗曼语族的历时演变涉及语法性别系统的重组——在大多数罗曼语中，原有的三分体系（阳性、阴性、中性）演变为二分体系（阳性、阴性）。本研究引入一个可解释的深度学习框架（https://huggingface.co/papers?q=deep%20learning%20framework），分别从词汇层面和语境层面（https://huggingface.co/papers?q=contextual%20level）对这一现象进行探究。首先，我们发现传统的分词策略（https://huggingface.co/papers?q=tokenization）在此低资源历史语境中稳健性不足，而我们所提出的分词器在性能上优于这些基线方法。在词汇层面（https://huggingface.co/papers?q=lexical%20level），我们评估了形态特征（https://huggingface.co/papers?q=morphological%20features）对性别预测（https://huggingface.co/papers?q=gender%20prediction）的贡献。在语境层面（https://huggingface.co/papers?q=contextual%20level），我们量化了不同词性类别（https://huggingface.co/papers?q=part-of-speech%20categories）对语法性别预测（https://huggingface.co/papers?q=gender%20prediction）的贡献。综合分析揭示了词元与其句子语境之间性别信息的分布特征。我们的代码库、数据集及结果已在以下地址公开：https://github.com/ahan-2000/Lost-in-Translation-{https://github.com/ahan-2000/Lost-in-Translation-}。

查看 arXiv 页面（https://arxiv.org/abs/2605.09156）查看 PDF（https://arxiv.org/pdf/2605.09156）添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2605.09156）

在您的 Agent 中获取这篇论文：

hf papers read 2605.09156

没有最新版 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用本论文的模型 0

没有模型关联本论文

在模型 README.md 中引用 arxiv.org/abs/2605.09156 即可在本页建立链接。

引用本论文的数据集 0

没有数据集关联本论文

在数据集 README.md 中引用 arxiv.org/abs/2605.09156 即可在本页建立链接。

引用本论文的 Spaces 0

没有 Space 关联本论文

在 Space README.md 中引用 arxiv.org/abs/2605.09156 即可在本页建立链接。

包含本论文的收藏集 0

没有收藏集包含本论文

将本论文添加至收藏集（https://huggingface.co/new-collection）即可在本页建立链接。