僧伽罗语连音切分的字符级神经网络方法

研究者基于 SandhiLex 建立了僧伽罗语连音切分的首个神经网络基准。采用双向 LSTM 编码器与单向 LSTM 解码器的最优模型在常规词缀子集上达到 94.00% 的精确匹配准确率，但在复杂的词汇化、派生和词源连音子集上仅达到 68.40%（字符级准确率 82.08%）。消融实验显示双向编码对性能提升贡献最大，且原生僧伽罗文字表现优于罗马化输入。