低リソース環境における言語モデルを用いたコンテキスト依存のスペリング修正

低リソース言語のスペリング修正には、限られたデータ量と注釈付きのスペリング修正データセットの不足が大きな課題となる。本研究では、小規模な単語ベースのトランスフォーマー言語モデルを訓練し、コンテキストの理解を提供することで、これらの課題に取り組む。さらに、コーパスから確率的なエラールールを教師なしで抽出し、エラーモデルを構築する。言語モデルとエラーモデルの組み合わせを使用して、よく知られているノイズチャネルフレームワークを通じてスペリング修正モデルを開発する。