BertOdia: BERT Pre-training for Low Resource Odia Language

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>

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.

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)

Projekt

—

Návaznosti

—

Rok uplatnění

2022

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

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

—