arXiv cs.CL· Akesh Gunathilake, Nadil Karunarathna, Tharusha Bandaranayake, Nisansa de Silva, Surangika Ranathunga, Nevidu Jayatilleke·· 9 天前AI 评分22
LMSpell：用预训练语言模型做拼写纠错
LMSpell: Spell Correction with Pre-Trained Language Models
AI 导读
首个跨多语言（含低资源语言）比较三类预训练语言模型拼写纠错效果的实证研究显示，仅 270M 参数的 Gemma 3 和 mBART50 在 5k 句数据上微调后，即可超越基于规则的纠错器。研究还以僧伽罗语为案例，揭示低资源语言拼写纠错的困境。
正文 · AI 翻译
摘要：拼写纠错对许多语言来说仍然是一个具有挑战性的问题，尤其是低资源语言（LRLs）。虽然预训练语言模型（PLMs）已被用于拼写纠错，但尚未有对各类 PLM 的恰当比较。我们首次对三类 PLM 在多种语言（包括低资源语言）上的拼写纠错有效性进行了实证研究。我们表明，即使是相对较小的 PLM，例如 270M 参数的 Gemma 3 和 mBART50，在仅有 5k 句子的数据集上微调后，也能优于基于规则的拼写纠错器，这凸显了一条在数据有限的情况下构建有效拼写纠错系统的实用路径。我们还展示了一个僧伽罗语的案例研究，以揭示低资源语言拼写纠错所面临的困境。
| 学科： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2512.05414 [cs.CL] |
| （或 arXiv:2512.05414v4 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2512.05414 由 DataCite 颁发的 arXiv DOI |
|
| 相关 DOI： | https://doi.org/10.1109/MERCon71835.2026.11691371
链接到相关资源的 DOI |
提交历史
来自：Akesh Samuditha Gunathilake [查看电子邮件]
[v1]
2025年12月5日星期五 04:14:09 UTC（9,861 KB）
[v2]
2025年12月8日星期一 02:01:26 UTC（9,860 KB）
[v3]
2025年12月11日星期四 14:22:42 UTC（9,850 KB）
[v4]
2026年10月8日星期四 17:32:24 UTC（8,565 KB）
来源：arXiv cs.CL · arxiv.org