Lematização de Letras: RNNs Um-para-Um e em Faixas para Reverter a Simplificação do Conjunto de Caracteres e a Abreviação em Textos Medievais

arXiv:2607.09291v1 Tipo de Anúncio: novo Resumo: Os transcritores de documentos medievais têm práticas muito diferentes; além disso, políticas heterogêneas de digitalização resultaram em corpora nos quais o conjunto de caracteres deve ser visto como algo fluido. Neste artigo, abordamos o problema de alternar entre conjuntos de caracteres de maneira flexível. Focamos em mapeamentos de caracteres um-para-um e treinamos RNNs um-para-um em nível de caractere para desfazê-los com autossupervisão; recuperando metade do CER mesmo com 20 linhas de texto. Nós...