BertOdia: BERT Pre-training for Low Resource Odia Language
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F22%3A4PDW2E5E" target="_blank" >RIV/00216208:11320/22:4PDW2E5E - isvavai.cz</a>
Výsledek na webu
<a href="https://doi.org/10.1007/978-981-16-8739-6_32" target="_blank" >https://doi.org/10.1007/978-981-16-8739-6_32</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1007/978-981-16-8739-6_32" target="_blank" >10.1007/978-981-16-8739-6_32</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
BertOdia: BERT Pre-training for Low Resource Odia Language
Popis výsledku v původním jazyce
Odia language is one of the 30 most spoken languages in the world. It is spoken in the Indian state called Odisha. Odia language lacks online content and resources for natural language processing (NLP) research. There is a great need for a better language model for the low resource Odia language, which can be used for many downstream NLP tasks. In this paper, we introduce a Bert-based language model, pre-trained on 430,000 Odia sentences. We also evaluate the model on the well-known Kaggle Odia news classification dataset (BertOdia: 96%, RoBERTaOdia: 92%, and ULMFit: 91.9% classification accuracy), and perform a comparison study with multilingual Bidirectional Encoder Representations from Transformers (BERT) supporting Odia. The model will be released publicly for the researchers to explore other NLP tasks.
Název v anglickém jazyce
BertOdia: BERT Pre-training for Low Resource Odia Language
Popis výsledku anglicky
Odia language is one of the 30 most spoken languages in the world. It is spoken in the Indian state called Odisha. Odia language lacks online content and resources for natural language processing (NLP) research. There is a great need for a better language model for the low resource Odia language, which can be used for many downstream NLP tasks. In this paper, we introduce a Bert-based language model, pre-trained on 430,000 Odia sentences. We also evaluate the model on the well-known Kaggle Odia news classification dataset (BertOdia: 96%, RoBERTaOdia: 92%, and ULMFit: 91.9% classification accuracy), and perform a comparison study with multilingual Bidirectional Encoder Representations from Transformers (BERT) supporting Odia. The model will be released publicly for the researchers to explore other NLP tasks.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
Návaznosti výsledku
Projekt
—
Návaznosti
—
Ostatní
Rok uplatnění
2022
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Biologically Inspired Techniques in Many Criteria Decision Making
ISBN
978-981-16-8739-6
ISSN
—
e-ISSN
—
Počet stran výsledku
11
Strana od-do
345-355
Název nakladatele
Springer Nature
Místo vydání
—
Místo konání akce
Singapore
Datum konání akce
1. 1. 2022
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—