双层级词嵌入匹配网络

藏语小样本精度升6.8%

针对低资源语言的深度上下文双层级词嵌入方案，为藏语小样本学习提供特征表征增强与泛化优化。

Ziyue, Zhang · 于永斌 · Wang, Xiangxiang · Xiao, Feng · Yuze, Li · Jiarun, Shen · Dorje, Tashi · Jin, Zhang · Lobsang, Yeshi · 李磊 · Tashi, Nyima · 蔡竟业

CAAI Transactions on Intelligence Technology 2025

参数信息

平均准确率提升

4.5–6.5 %

最大准确率提升

6.8 %

技术优势

特征更全

模型通过BoBERT预训练嵌入和全上下文嵌入的两级组合，同时捕获局部和全局信息，避免了对有限样本的浅层理解。

精度更高

在所有藏语小样本任务上，TWE-MN相比原始匹配网络平均准确率提升4.5%–6.5%，证明了该架构在低资源场景下的有效性。

适用面广

该模型不仅适用于小样本学习，在文本分类和机器翻译等任务上也表现出潜力，可作为多种藏语NLP任务的通用基础。

应用场景

• 低资源语言小样本学习：用极少量标注样本即可训练出有区分度的藏语分类器，减少数据收集成本。
• 藏语文本分类：提高藏语新闻、文献等领域文本的分类准确率，无需大规模标注语料。
• 藏语机器翻译：为藏语机器翻译提供更好的表示，有望提升翻译质量。