ข้อมูลจากบทคัดย่อ
ยังไม่มีสรุปภาษาไทยสำหรับระเบียนนี้
ด้านล่างเป็นบทคัดย่อต้นฉบับภาษาอังกฤษจากข้อมูลบรรณานุกรม โปรดตรวจบทความต้นฉบับก่อนอ้างอิง
This study analyzes varied Chinese renderings of the Buddhist core concept CITTA via quantitative modeling to expose cross-cultural translation discrepancies. It constructs a BEiT-RoBERTa fusion model combining BEiT visual feature extraction and RoBERTa linguistic encoding. Based on a self-built CITTA Chinese translation text dataset containing ancient and modern translations, experiments were conducted from four dimensions: vocabulary recognition, model comparison, semantic coherence, and multi-context adaptation. Performance tests were conducted using indicators such as character error rate (CER), syllable recognition accuracy (SRA), line recognition accuracy (LRA), and manual evaluation. Results show the syllable-based model performs best: CER=0.167, SRA=0.850, LRA=0.791, surpassing CRNN and SRN. The overall accuracy of sentence semantic coherence judgment is 92.68%, and the translation effect in different contexts is between professional translators and non professional enthusiasts, with stable accuracy and fluency. Research has confirmed that the BEiT-RoBERTa model quantifies CITTA translation variations but poorly captures philosophical depth and cultural subtleties.
เหตุผลที่อยู่ในฐานติดตาม
ระเบียนนี้ได้รับ Impact Signal 79/100 จากความใหม่ แหล่งเผยแพร่ ความร่วมมือ และสัญญาณในข้อมูลบรรณานุกรม คะแนนนี้ใช้จัดลำดับการติดตาม ไม่ใช่การตัดสินคุณภาพงานวิจัย
ประเด็นที่เกี่ยวข้อง: Natural Language Processing Techniques · Handwritten Text Recognition Techniques · Topic Modeling
บทบาทของนักวิจัยและสถาบันไทย
Xiaoming Chen · Khon Kaen University
ข้อจำกัดของข้อมูล
หน้านี้เป็นระเบียนบรรณานุกรมและข้อมูลจากบทคัดย่อ ยังไม่ใช่บทวิเคราะห์ฉบับเต็มหรือการประเมินคุณภาพงานวิจัย ควรตรวจสอบ DOI และเอกสารต้นฉบับก่อนนำไปอ้างอิง