Buchumschlag

Parallel Corpus Augmentation using Masked Language Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kumari, Vibhuti, Kavi, Narayana Murthy
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Edit-Based Refinement for Parallel Masked Diffusion Language Models
von: Ren, Houxing, et al.
Veröffentlicht: (2026)

EthioMT: Parallel Corpus for Low-resource Ethiopian Languages
von: Tonja, Atnafu Lambebo, et al.
Veröffentlicht: (2024)

RAGTruth: A Hallucination Corpus for Developing Trustworthy Retrieval-Augmented Language Models
von: Niu, Cheng, et al.
Veröffentlicht: (2023)

Initial Decoding with Minimally Augmented Language Model for Improved Lattice Rescoring in Low Resource ASR
von: Murthy, Savitha, et al.
Veröffentlicht: (2024)

The Mediomatix Corpus: Parallel Data for Romansh Language Varieties via Comparable Schoolbooks
von: Hopton, Zachary, et al.
Veröffentlicht: (2025)

DATASHI: A Parallel English-Tashlhiyt Corpus for Orthography Normalization and Low-Resource Language Processing
von: Monir, Nasser-Eddine, et al.
Veröffentlicht: (2026)

DEPLAIN: A German Parallel Corpus with Intralingual Translations into Plain Language for Sentence and Document Simplification
von: Stodden, Regina, et al.
Veröffentlicht: (2023)

KazParC: Kazakh Parallel Corpus for Machine Translation
von: Yeshpanov, Rustem, et al.
Veröffentlicht: (2024)

Feriji: A French-Zarma Parallel Corpus, Glossary & Translator
von: Keita, Mamadou K., et al.
Veröffentlicht: (2024)

Iterative Mask Filling: An Effective Text Augmentation Method Using Masked Language Modeling
von: Kesgin, Himmet Toprak, et al.
Veröffentlicht: (2024)

A Japanese-Chinese Parallel Corpus Using Crowdsourcing for Web Mining
von: Nagata, Masaaki, et al.
Veröffentlicht: (2024)

PEACH: A sentence-aligned Parallel English-Arabic Corpus for Healthcare
von: Al-Sabbagh, Rania
Veröffentlicht: (2025)

Enhancing Language Learning through Technology: Introducing a New English-Azerbaijani (Arabic Script) Parallel Corpus
von: Khiarak, Jalil Nourmohammadi, et al.
Veröffentlicht: (2024)

YouTube-SL-25: A Large-Scale, Open-Domain Multilingual Sign Language Parallel Corpus
von: Tanzer, Garrett, et al.
Veröffentlicht: (2024)

Benchmarking POS Tagging for the Tajik Language: A Comparative Study of Neural Architectures on the TajPersParallel Corpus
von: Arabov, Mullosharaf K.
Veröffentlicht: (2026)

PM4Bench: Benchmarking Large Vision-Language Models with Parallel Multilingual Multi-Modal Multi-task Corpus
von: Gao, Junyuan, et al.
Veröffentlicht: (2025)

LOCA: Logical Chain Augmentation for Scientific Corpus Cleaning
von: Fang, You-Le, et al.
Veröffentlicht: (2025)

OpenWHO: A Document-Level Parallel Corpus for Health Translation in Low-Resource Languages
von: Merx, Raphaël, et al.
Veröffentlicht: (2025)

A fully automated and scalable Parallel Data Augmentation for Low Resource Languages using Image and Text Analytics
von: Sharma, Prawaal, et al.
Veröffentlicht: (2025)

Parallelism and Generation Order in Masked Diffusion Language Models: Limits Today, Potential Tomorrow
von: Zhong, Yangyang, et al.
Veröffentlicht: (2026)

Mangosteen: An Open Thai Corpus for Language Model Pretraining
von: Phatthiyaphaibun, Wannaphong, et al.
Veröffentlicht: (2025)

Leveraging the Cross-Domain & Cross-Linguistic Corpus for Low Resource NMT: A Case Study On Bhili-Hindi-English Parallel Corpus
von: Singh, Pooja, et al.
Veröffentlicht: (2025)

MITRA: A Large-Scale Parallel Corpus and Multilingual Pretrained Language Model for Machine Translation and Semantic Retrieval for Pāli, Sanskrit, Buddhist Chinese, and Tibetan
von: Nehrdich, Sebastian, et al.
Veröffentlicht: (2026)

Entropy-aware Masking for Masked Language Modeling
von: Srinivasagan, Gokul, et al.
Veröffentlicht: (2026)

IWLV-Ramayana: A Sarga-Aligned Parallel Corpus of Valmiki's Ramayana Across Indian Languages
von: VP, Sumesh
Veröffentlicht: (2026)

A Multi-way Parallel Named Entity Annotated Corpus for English, Tamil and Sinhala
von: Ranathunga, Surangika, et al.
Veröffentlicht: (2024)

Connecting Voices: LoReSpeech as a Low-Resource Speech Parallel Corpus
von: Ouzerrout, Samy
Veröffentlicht: (2025)

CorpusLM: Towards a Unified Language Model on Corpus for Knowledge-Intensive Tasks
von: Li, Xiaoxi, et al.
Veröffentlicht: (2024)

Exploring the Impact of Corpus Diversity on Financial Pretrained Language Models
von: Choe, Jaeyoung, et al.
Veröffentlicht: (2023)

VietMix: A Naturally-Occurring Parallel Corpus and Augmentation Framework for Vietnamese-English Code-Mixed Machine Translation
von: Tran, Hieu, et al.
Veröffentlicht: (2025)

Event-Arguments Extraction Corpus and Modeling using BERT for Arabic
von: Aljabari, Alaa, et al.
Veröffentlicht: (2024)

Parallel Sampling from Masked Diffusion Models via Conditional Independence Testing
von: Azangulov, Iskander, et al.
Veröffentlicht: (2025)

The TUB Sign Language Corpus Collection
von: Avramidis, Eleftherios, et al.
Veröffentlicht: (2025)

JaParaPat: A Large-Scale Japanese-English Parallel Patent Application Corpus
von: Nagata, Masaaki, et al.
Veröffentlicht: (2025)

SyriSign: A Parallel Corpus for Arabic Text to Syrian Arabic Sign Language Translation
von: Khalil, Mohammad Amer, et al.
Veröffentlicht: (2026)

Activation Steering for Masked Diffusion Language Models
von: Shnaidman, Adi, et al.
Veröffentlicht: (2025)

Mask and You Shall Receive: Optimizing Masked Language Modeling For Pretraining BabyLMs
von: Edman, Lukas, et al.
Veröffentlicht: (2025)

Towards Open Foundation Language Model and Corpus for Macedonian: A Low-Resource Language
von: Krsteski, Stefan, et al.
Veröffentlicht: (2025)

Examining Language Modeling Assumptions Using an Annotated Literary Dialect Corpus
von: Messner, Craig, et al.
Veröffentlicht: (2024)

FuLG: 150B Romanian Corpus for Language Model Pretraining
von: Bădoiu, Vlad-Andrei, et al.
Veröffentlicht: (2024)