arXiv cs.AI· Asang Dani, Shailesh R Sathe·· 13 小时前AI 评分18
基于IndicTrans2微调的马拉地语跨语言摘要生成
Cross Lingual Abstractive Summarization for Marathi
AI 导读
研究利用马拉地语单语MahaSum语料构建跨语言训练数据，结合PMIndiaSum数据集微调IndicTrans2翻译模型，实现马拉地语到英语的跨语言摘要。实验以ROUGE、chrF和chrF++评估，性能显著优于此前基于IndicBART和mBART-50的基线。受算力限制，研究主要聚焦马拉地语到英语方向，并讨论了反向应用的可行性。
正文 · AI 翻译
摘要：文本摘要是推动印度语系自然语言处理（NLP）研究与应用的一项重要任务。尽管抽取式与生成式摘要均取得进展，单语摘要（MS）与跨语言摘要（CLS）在这些语言上仍相对缺乏探索。Transformer 架构、预训练语言模型（PLM）以及数据集可用性方面的最新进展，为弥补这一空白提供了新机遇。在本工作中，我们基于单语马拉地语 MahaSum 语料库构建跨语言训练数据，并将其与规模较小的跨语言 PMIndiaSum 数据集结合，用于微调印度语系神经机器翻译模型 IndicTrans2。我们使用 ROUGE、chrF 和 chrF++ 指标评估所得模型，受计算资源限制，主要聚焦于马拉地语到英语的摘要。我们还讨论了该方法在英语到马拉地语方向上的适用性。实验表明，利用预训练翻译模型所取得的摘要性能，显著优于此前跨语言摘要工作中所报告的基于 IndicBART 和 mBART-50 的基线。
| 主题： | 计算与语言（cs.CL）；人工智能（cs.AI） |
| ACM 分类： | I.2.7 |
| 引用为： | arXiv:2610.38267 [cs.CL] |
| （或本版本的 arXiv:2610.38267v1 [cs.CL]） | |
| https://doi.org/10.48550/arXiv.2610.38267 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Asang Dani [查看邮箱]
[v1]
2026年10月28日星期三 04:34:32 UTC（705 KB）
来源：arXiv cs.AI · arxiv.org