نقل نمط النص متعدد اللغات: مجموعات البيانات والنماذج للغات الهندية

يتضمن نقل نمط النص (TST) تغيير النمط اللغوي للنص مع الحفاظ على محتواه الأساسي. تركز هذه الورقة على نقل المشاعر، وهو مهمة فرعية حيوية لـ TST (موخيرجي وآخرون، 2022أ)، عبر مجموعة من اللغات الهندية: الهندية، الماغاهية، المالايالامية، اللغة الماراثية، البنجابية، الأوديا، التيلوجو، والأردية، متوسعةً على الأعمال السابقة حول نقل المشاعر بين الإنجليزية والبنغالية (موخيرجي وآخرون، 2023). نقدم مجموعات بيانات مخصصة تتكون من 1000 جملة إيجابية و1000 جملة سلبية متوازية في الأسلوب لكل من هذه اللغات الثمانية. ثم نقوم بتقييم أداء النماذج المرجعية المختلفة التي تصنف إلى نماذج متوازية، وغير متوازية، وتعبر اللغات، وطرق التعلم المشتركة، بما في ذلك نماذج اللغة الكبيرة Llama2 وGPT-3.5 (LLMs). تسلط تجاربنا الضوء على أهمية البيانات المتوازية في TST وتظهر فاعلية نهج ملء النمط المحجوب (MSF) (موخيرجي وآخرون، 2023) في التقنيات غير المتوازية. علاوة على ذلك، تُظهر طرق التعلم المتعدد اللغات المتقاطعة والموحدة وعدًا، مقدمةً رؤى لاختيار النماذج المثلى المخصصة لمتطلبات اللغة والمهمة المحددة. حسب علمنا، تمثل هذه الدراسة أول استكشاف شامل لمهمة TST كنقل شعوري عبر مجموعة متنوعة من اللغات.