Influence of Tibetan Language and Culture on Tibetan College Students' EFL Learning

Nowadays teaching English as a foreign language is becoming more and more important in Tibetan education.Since Ti-betan education system is complicated,Tibetan college students are facing many problems which interfere with their EFL learning.By carrying on a mini qualitative study of interviewing two Tibetan college students,this paper mainly discusses the major prob-lems and causes of the Tibetan college students on EFL learning on linguistic and cultural perspectives,and attempts to suggestsome solutions.

On Tibetan Students' Willingness to Communicate in EFL Classroom

Set as the primary and ultimate goal of language teaching process by MacIntyre et al.(1998),willingness to communicate in second language(L2 WTC) has been put much attention in L2 acquisition field.This study examined quantitatively the willingness to communicate in English as a foreign language(EFL WTC) in Tibetan context with a questionnaire.Tibetan college students' EFL WTC was found significantly lower than Han students.No significant difference was found between Tibetan male and female students in their EFL WTC.Causes were explored andsome pedagogical suggestions were made in this study.

Tibetan Multi-Dialect Speech Recognition Using Latent Regression Bayesian Network and End-To-End Mode

We proposed a method using latent regression Bayesian network (LRBN) toextract the shared speech feature for the input of end-to-end speech recognition model.The structure of LRBN is compact and its parameter learning is fast. Compared withConvolutional Neural Network, it has a simpler and understood structure and lessparameters to learn. Experimental results show that the advantage of hybridLRBN/Bidirectional Long Short-Term Memory-Connectionist Temporal Classificationarchitecture for Tibetan multi-dialect speech recognition, and demonstrate the LRBN ishelpful to differentiate among multiple language speech sets.

Cross-Language Transfer Learning-based Lhasa-Tibetan Speech Recognition

As one of Chinese minority languages,Tibetan speech recognition technology was not researched upon as extensively as Chinese and English were until recently.This,along with the relatively small Tibetan corpus,has resulted in an unsatisfying performance of Tibetan speech recognition based on an end-to-end model.This paper aims to achieve an accurate Tibetan speech recognition using a small amount of Tibetan training data.We demonstrate effective methods of Tibetan end-to-end speech recognition via cross-language transfer learning from three aspects:modeling unit selection,transfer learning method,and source language selection.Experimental results show that the Chinese-Tibetan multi-language learning method using multilanguage character set as the modeling unit yields the best performance on Tibetan Character Error Rate(CER)at 27.3%,which is reduced by 26.1%compared to the language-specific model.And our method also achieves the 2.2%higher accuracy using less amount of data compared with the method using Tibetan multi-dialect transfer learning under the same model structure and data set.

Sign Language Benefits Tibetan Deaf-mutes

There are in Tibet Autonomous Region 190,000 disabled persons, including more than 30,000 who are deaf-mutes or are hearing impaired. In the Tibetan language, a word is often expressed with different signs. This poses a serious handicap for communication and exchanges among Tibetan deaf-mutes and their effort to participate in social activities. The ongoing research and development of a Tibetan sign language is expected to get rid of that handicap and allow Tibetan deaf-mutes to lead a normal life.

面向机器阅读理解的藏文数据集TibetanQA

机器阅读理解是自然语言处理的关键任务,旨在考察机器是否具有理解自然语言的能力。目前,中英文领域的机器阅读理解取得了很大的进展,模型的性能已经超过了人类的水平,其中公开数据集起到了非常重要的作用,如斯坦福大学的SQuAD数据集。而对于低资源语言,如藏文,由于缺乏大规模公开的数据集,机器阅读理解的相关研究还处于起步阶段。因此,本文构建了面向藏文机器阅读理解的数据集,数据集包含631篇文章,903个段落,形式为excel文件。其中,第一列为当前文章ID,第二列为文本标题,第三列为段落,第四列为问题,第五列为问题对应的答案。其文本数据来自云藏网,问题和答案是由20位藏语专业人员进行人工录入和标注,类型涉及自然、文化、教育等12个领域。本数据集的发布,对于促进藏文信息处理的发展具有重要的价值。

General debate on ITEM 3——by Ms. Li Xi, China Association for Preservation and Development of Tibetan Culture

I am Li Xi, a council member of China Association for Preservation and Development of Tibetan Culture.Language facilitates communication and embodies culture. According to the Chinese Constitution, every ethnic group has the freedom to use and develop its own language.

西藏地区学龄儿童不同语料下鼻流量特征研究

目的 编制藏语鼻流量测试材料,确定藏语儿童鼻流量正常范围,探究汉、藏语不同语料下西藏地区学龄儿童鼻流量的特征。方法 选择三种语料,包括3句汉语测试句、3句藏语测试材料(分别为鼻腔句、口腔句和口鼻腔句)和3个藏语韵母(/a/、/i/、/u/),测试西藏地区以藏语为母语的50例儿童(7~12岁)发音时的鼻流量。结果 西藏学龄儿童汉、藏语鼻腔句之间鼻流量差异有统计学意义(P<0.01),藏语低于汉语;藏语韵母鼻流量平均值表现为/i/>/u/>/a/;藏语语料的鼻腔句、口腔句、口鼻腔句和藏语韵母/i/在不同性别间鼻流量差异有统计学意义(P<0.05或P<0.01)。结论 评估西藏地区以藏语为母语和主要交流语言的西藏学龄儿童的鼻流量时,除年龄和性别外,语料的选择也是鼻流量的重要影响因素之一。

Readability Assessment of Textbooks in Low Resource Languages

Readability is a fundamental problem in textbooks assessment.For low resources languages(LRL),however,little investigation has been done on the readability of textbook.In this paper,we proposed a readability assessment method for Tibetan textbook(a low resource language).We extract features based on the information that are gotten by Tibetan segmentation and named entity recognition.Then,we calculate the correlation of different features using Pearson Correlation Coefficient and select some feature sets to design the readability formula.Fit detection,F test and T test are applied on these selected features to generate a new readability assessment formula.Experiment shows that this new formula is capable of assessing the readability of Tibetan textbooks.

面向机器阅读理解的高质量藏语数据集构建

机器阅读理解是通过算法让机器根据给定的上下文回答问题,从而测试机器理解自然语言的程度。其中,数据集的构建是机器阅读理解的主要任务之一。目前,相关算法模型在大多数流行的英语数据集上都取得了显著的成绩,甚至超过了人类表现。但对于低资源语言,由于缺乏相应的数据集,机器阅读理解研究尚处于起步阶段。该文以藏语为例,人工构建了藏语机器阅读理解数据集(TibetanQA),其中包含20000个问题答案对和1513篇文章。该数据集的文章均来自云藏网,涵盖了自然、文化和教育等12个领域,问题形式多样且具有一定的难度。另外,该数据集在文章收集、问题构建、答案验证、回答多样性和推理能力等方面,均采用严格的流程以确保数据的质量,同时采用基于语言特征消融输入的验证方法说明了数据集的质量。最后,该文初步探索了三种经典的英语阅读理解模型在TibetanQA数据集上的表现,其结果难以媲美人类,这表明藏语机器阅读理解任务还需要更进一步的探索。

甘南涉藏地区中小学理科课程使用国家通用语教学研究

在甘南涉藏地区推进理科课程使用国家通用语教学,是提高民族地区学生理科学业成绩、铸牢青少年中华民族共同体意识的战略举措.甘南涉藏地区理科课程教学用语的模式有四种:少数民族语加国家通用语、国家通用语加少数民族语、国家通用语和少数民族语混合、国家通用语.提出甘南涉藏地区理科教育实施可采取以下措施:在学段方面学前教育阶段解决国家通用语语言关;在学校方面构建嵌入式结构的民汉合校;在理科课程方面实施文化回应性教学,在理科课堂方面建设高效课堂和优课,在理科教材方面推行统编教材助力理科课程学习,在理科教法方面优化教学策略.

基于预训练的藏医药实体关系抽取

藏医药领域的文本主要以非结构化形式保存,藏医药文本的信息抽取对挖掘藏医药的知识有重要作用。针对现有藏文实体关系抽取模型语义表达能力差、嵌套实体抽取准确率低的问题,该文介绍了一种基于预训练模型的实体关系抽取方法,使用TibetanAI_ALBERT_v2.0预训练语言模型,使得模型更好地识别实体,使用Span方法解决实体嵌套问题。在Dropout的基础上,增加了一个KL散度损失函数项,提升了模型的泛化能力。在TibetanAI_TMIE_v1.0藏医药数据集上进行了实验,实验结果表明,精确率、召回率和F1值分别达到了84.5%、80.1%和82.2%,F1值较基线提升了4.4个百分点,实验结果证明了该文方法的有效性。

融合抽取式和抽象式的藏文摘要算法

为了推动文本摘要技术在藏文领域的发展,采用两阶段微调的方法,构建了一种融合抽取式和抽象式的藏文摘要模型(BERT-ext-abs),保留了摘要的流畅性和语义一致性。训练抽取式藏文摘要模型BERT-ext,在此基础上进行第二次微调,得到抽象式藏文摘要模型BERT-ext-abs。从训练模型结构和数据规模两个角度分别设置对比实验,结果表明,相较于未经过二次微调的抽象式藏文摘要模型BERT-abs, BERT-ext-abs模型在ROUGE-1分数上提高了3.23%,在BERT Score分数上提高了0.95%。此外,与BERT-abs相比,BERT-ext-abs的模型参数量和训练数据量更少,能更高效地生成流畅且语义一致的摘要。

基于提示学习的低资源藏文文本分类

文本分类是自然语言处理的基础任务之一。标注数据不足一直是限制藏文及其他少数民族语言自然语言处理技术发展的重要原因,传统的深度学习模型对标注数据的规模有较高的要求。为解决这个问题,该文在大规模预训练语言模型的基础上,利用提示学习实现低资源藏文文本分类,即使用不同的藏文预训练语言模型和提示模板开展藏文文本分类实验。实验结果表明,通过设计合理的提示模板等方式,提示学习能够在训练数据不足的情况下提升藏文文本分类的效果(48.3%),初步验证了提示学习在民族语言处理中的价值和潜力。但是,实验结果也反映出提示学习模型在处理部分类别时性能较差,且藏文预训练语言模型也有进一步提升空间。

藏汉语音翻译数据集

语音翻译研究的前沿取决于可用数据集的质量和多样性。目前在探索少数民族语言的语音翻译时,由于缺乏公开的数据集,相关研究面临着诸多限制。为此,本文构建并公开藏语语音到汉语文本的语音翻译数据集。本数据集来源于微信公众平台以及已公开的藏语语音识别数据集。通过网络爬虫和机器翻译辅助采集数据,并进行人工切分与标注,最终交由专家审核和校正后得到高质量的藏汉语音翻译数据集。本数据集包含样本7270条,大小为965 MB。本数据集为探索低资源藏汉语音翻译技术提供了一定的数据基础,有助于推动相关技术和算法的进步,也为语音翻译系统在少数民族语言环境下的应用提供了实质性的支持。

一种多方法融合的藏语情感词典构建方法

深度学习在藏语情感分析领域备受关注,相较于传统机器学习方法其表现更出色。然而,构建藏语情感词典仍面临着挑战,如词汇量不足、过度依赖机器翻译系统、词典匹配源单一、缺少口语情感词典等。为解决上述问题,文章提出了一种多方法融合的藏语情感词典构建方法。首先,统计并分析已有情感词标注规则后提出了一种藏语情感词的标注规则作为情感词分类的主要依据;其次,提出了一种多词典匹配的藏语情感词典构建方法构建了藏语基准情感词典,为了扩大基准情感词典的规模,利用SO-PMI和基于word2vec词向量相似度扩充方法对基准词典进行词汇扩充,并且利用藏语3大方言的口语词典经人工筛选后构建了藏语口语情感词典;然后,将基准词典和扩充词典合并去重后得到了《藏语书面语与口语情感词典》;最后,为了证明本文方法的可行性和所构建词典的可用性而进行了藏语情感词典性能评估实验;实验中准确率、召回率、F值分别为60.80%、90.31%、72.67%,达到了较好的应用水平,验证了多方法融合的藏语情感词典构建方法的可行性。

基于卷积神经网络的藏语情感词典自动构建方法

针对藏语情感分析研究中的特殊挑战,包括缺乏标注数据和有限的语言资源等问题,文章提出一种基于卷积神经网络CNN和词频结合的C-TF藏语情感词典自动构建方法。藏文有许多丰富的情感文本,文章对藏族传统文献八大藏戏和社交媒体评论中的情感词汇进行词频统计,结合词频和卷积神经网络计算出情感种子词,采用了大规模无标注数据进行预训练,并使用少量标注数据进行了微调,最终构建了包含12503条情感词汇的藏语情感词典。文章提出的情感词典构建方法为进一步研究藏文文本情感分类问题提供了新的思路和实验证据。

论中国境内汉藏语言辅音韵尾的类型与共性

汉藏语言中存在着丰富的辅音韵尾,但分布很不均衡。从不同的调音方法来看,辅音韵尾在汉藏语言中的出现频率存在较大的差异,其中鼻音韵尾的出现频率最高,塞音韵尾次之,而其他辅音韵尾最低。从不同的语言系属来看,羌语支语言保存得最为古老,苗瑶语和侗台语次之,汉语各方言发展得较快,而部分缅语支和彝语支语言发展得最快。从历时的角度看,这种不平衡的共时分布现状是历时发展演变的结果。