XAlign: محاذاة وتكوين النص من الحقائق عبر اللغات للغات منخفضة الموارد

تتطلب العديد من السيناريوهات الحرجة (مثل إنشاء نصوص ويكيبيديا بناءً على معلومات موجزة باللغة الإنجليزية) توليدًا تلقائيًا للنصوص الوصفية بلغات منخفضة الموارد (LR) من ثلاثيات الحقائق الإنجليزية. ركزت الدراسات السابقة على توليد النص من الحقائق باللغة الإنجليزية (F2T). إلى حد معرفتنا، لم تُجرَ أي محاولة سابقة في التموضع العابر للغات أو التوليد للغات منخفضة الموارد. يتطلب بناء نظام فعّال لتوليد النص من الحقائق العابرة للغات (XF2T) إقامة تموضع بين الحقائق الهيكلية الإنجليزية والجمل بلغات منخفضة الموارد. نقترح طريقتين غير مراقبتين للتموضع العابر للغات. ونقدّم XALIGN، وهو مجموعة بيانات XF2T تضم 450 ألف زوج من البيانات عبر 8 لغات، منها 5402 زوجًا تم تدقيقها يدويًا. كما قمنا بتدريب نماذج توليد XF2T قوية كنماذج أساسية على مجموعة بيانات XAlign.