arXiv cs.CL· Debajyoti Mazumder, Akash Anil·· 11 小时前AI 评分20
综述：代码混合与母语在文本和语音中的双向迁移
A Two-Way Street: Surveying the Interplay between Code-Mixing and Native Languages in Text and Speech
AI 导读
一篇系统综述梳理了代码混合（CM）与母语之间的双向迁移，覆盖文本与语音两种模态，并按迁移方向、路径和模态建立分类体系。综述发现多数迁移是从母语流向 CM 场景，反向迁移较新且主要通过语言对齐发挥作用；文本与语音研究共用方法却很少互相引用，在共享语音基准上母语数据比新架构更有帮助。
正文 · AI 翻译
摘要：面向语码混合（CM）文本和语音的系统很少从零开始。CM 数据稀缺，因此大多数工作都借用被混合的语言，我们称之为母语。当 CM 数据被用于改进母语模型时，这种迁移也可以反向进行。现有综述聚焦于处理 CM 本身，没有一篇将这两个方向结合起来。本文通过一项系统性综述填补了这一空白，涵盖文本和语音两个方向上双向的迁移。我们按迁移方向、路径和模态对综述的工作进行分类。通过这一分类，我们发现大多数迁移是从母语到 CM 场景。反方向较新，其中语码转换主要通过对齐两种语言来发挥作用。文本和语音工作共享方法，但很少相互引用。在一个共享的语音基准上，母语数据比新架构更有帮助。这些发现指向了开放挑战，例如训练中应混合多少母语和 CM 数据，以及如何评估用不同文字书写的 CM 文本。
| 评论： | 40 页 |
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2610.27631 [cs.CL] |
| （或 arXiv:2610.27631v1 [cs.CL] 为本版本） | |
| https://doi.org/10.48550/arXiv.2610.27631 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Debajyoti Mazumder [查看电子邮件]
[v1]
2026 年 10 月 20 日星期二 04:57:14 UTC（95 KB）
来源：arXiv cs.CL · arxiv.org