摘要：命名实体识别是藏文自然语言处理中的一项关键任务,该文提出了结合三种藏文预训练模型(Word2Vec、ELMo、ALBERT)的Casade-BiLSTM-CRF结构。级联技术(Cascade)将藏文命名实体识别划分为两个子任务(实体边界划分,实体类别判断)分阶段进行,简化了模型结构;使用藏文预训练模型,能更好地学习藏文先验知识。实验表明,Cascade-BiLSTM-CRF模型相比于BiLSTM-CRF模型训练一轮时间缩短了28.30%;而将级联技术与预训练技术相结合,在取得更好识别效果的同时还缩短了模型训练时间。

摘要：在迈向多语言多模态大模型的时代下,藏语语音合成技术的研究意义更加凸显,其目的是将文字信息转化为可听的声音信息,使得人机交互更加便捷和人性化。该文针对目前主流的两段式端到端藏语语音合成方法出现重复吐词、跳词、漏词等鲁棒性差且推理速度慢的问题,研究了基于深度生成模型的完全端到端VITS模型及其在藏语语音合成中的应用。首先,通过自然语音采集、自动标注和声学分析等构建一个7000条中等规模的藏语卫藏方言语音数据库;其次,由于现有开源模型不能很好地表征藏文音节结构特征,且现有相关描述无法全面地刻画藏语语音结构,为此提出了现代藏文存在7种字形结构的主张,并将其转写成对应的音素序列作为模型的输入;最后,经典的开源模型VITS应用在上述语音数据上进行了藏语语音合成试验。同时,为了提高合成系统的鲁棒性,在模型中引入了预训练的音素强制对齐信息。实验结果表明,相比两阶段的方法,通过端到端建模不仅有效减少了模型的推理时间,进一步提高合成语音的质量,而且基于7种藏文字形结构的音素序列作为建模单元,显著提升藏语音段特征的覆盖率,从而缓解低资源且黏着语常见的数据稀疏带来发音错误,以及音素分散导致模型训练困难问题。

摘要：针对藏文情感分析研究中,由于藏文构字规则以及数据集不统一导致深度学习模型效果欠佳的问题,该文提出了一种结合图神经网络以及预训练模型的藏文情感分析模型,应用于藏文短文本。首先,采用Albert预训练模型对藏文文本进行词向量构建;其次,为对应句中标注出的藏文情感词构建表征,并且通过构建后的词向量与情感词表征进行融合;最后,将融合后的表征进行图数据构建并输入到图神经网络模型中,得到最终的分类效果。实验结果表明,该文提出的藏文情感分类模型准确率达到98.60%,优于其他基线模型。数据集公开网址为:https://***/TU-NLP/TU_SA/。

摘要：藏语句法分析目前的研究集中在藏语言的成分句法分析。采用深度学习的方式进行藏语依存句法分析的研究方面基本处于空白状态。基于转移的依存句法分析是一种快速有效的依存句法分析方法,当句子输入到基于转移依存解析器后,解析器从左到右预测一系列解析动作。结合藏文的特点,构建了CoNLL-U格式的藏文依存树库,提出了一种基于双向LSTM的依存句法解析器,并采用注意力机制学习转移解析过程中解析器状态的表示,通过捕获更多的信息特征来对解析器的全局状态进行建模。在构建的藏文依存树库上进行实验,将堆栈信息、词性信息、历史转移动作信息作为模型的辅助信息,进行更深层次句法特征信息学习。实验表明上述模型对藏文的依存句法分析有较为显著的效果。

摘要：校园网络文化是高校文化建设的重要组成部分。通过文献分析法以及对西藏大学学生问卷调查和分析,较深入地了解了西藏大学校园网络文化发展现状及对大学生全面发展的影响,提出打造校园网络文化生态系统的构思。营造高校良好的校园文化氛围,促进大学生全面发展。

摘要：藏语智能化是一个重要的研究领域,是藏族优秀传统文化继承和发展的必要途径。针对藏文音节自动处理技术不够完善的问题,对藏文编码统计、音节统计、构件识别与统计、自动拼写藏文音节和拼写检查进行了研究,并设计了藏文音节自动处理系统。经过系统的实现和测试,证明了该系统的有效性。

摘要：针对肺部病变的多样性和区域分割复杂化的问题,提出了一种新的UNet++模型,包括在U-Net基础上进行了改进,主要由挤压和注意模块、空洞空间金字塔池模块、下采样、上采样、跳过连接和损失函数组成.首先,引入了挤压和注意模块来加强像素分组的注意力,充分利用全局上下文信息,让网络更好地挖掘像素之间的差异和联系.其次,设计空洞空间金字塔池模块,用于捕获COVID-19病变的多尺度信息.下采样获得高维信息,然后使用四次上采样将特征图恢复到原始大小,并使用四个跳跃连接来合并特征图.此外,广义骰子损失可以降低病变大小与骰子损失之间的相关性,从而解决小区域分割问题.使用来自不同数据集的CT扫描数据对UNet++模型进行了广泛的实验.在实验中,UNet++模型和GDL分别与典型分割模型和流行的损失函数进行了比较,实验数据表明提出的新的UNet++模型最接近黄金标准.

摘要：针对藏文虚词的文法特点,设计了基于藏文虚词知识融合的方法,该方法能够提高藏汉翻译的效果。首先通过全部藏文虚词知识融合、过滤兼类虚词知识融合、单音节虚词知识融合和多音节虚词知识融合,得到四种对应语料,其次将其在Transformer模型和mBART模型上进行了实验,使用轮数集成和不同网络结构集成来提高最终模型的泛化能力。对比实验证明,藏文虚词知识融合算法与模型集成策略可以提升藏汉机器翻译的翻译效果,最高可以达到38.05个BLEU。

摘要：提出了一种基于特征融合与自注意力机制的图像语义分割方法,设计了特征融合模块、自注意力模块、增强模块、全局空间信息融合模块和损失函数。特征融合模块融合多个图像的所有组件,通过自注意力机制来执行。自注意力模块从而有效地捕获远程上下文信息。增强模块旨在增强输入图像以获得更多样化的特征。全局空间信息注意模块相对于图像尺寸只有线性的复杂度,能够带来显著的提升效果。利用损失函数,对模型进行优化,将每个像素的分类结果优化到最接近真实值。实验结果表明,所提出的方法可以显著提高PASCAL VOC 2012数据集、COCO-Stuff 10K数据集和ISIC 2018数据集这3个数据集的性能,并在3个数据集上进行了验证,实验还通过对自注意力、推理速度和消融实验进行比较,验证了本文方法的优越性。

摘要：在文本检测领域,多形状文本检测一直是一个棘手的问题,对于藏文文本检测来说,这更是一个亟待解决的问题。文章构建了基于CC-Based思想的任意形状藏文文本检测模型,该模型首先使用卷积神经网络来获得文本构件预测,然后使用图卷积网络来进行关系推理。模型在藏文自然场景数据集与现代藏文书籍数据集上都取得了优良的实验结果。