低资源

摘要：西夏文字是研究西夏历史文化的重要载体，因其字形结构独特、研究人员稀缺，其解读和研究面临诸多挑战。人工智能技术的发展为走出这一困境提供了新途径，但仍受限于标注数据稀缺的现状。本研究聚焦于低资源条件下的西夏文OCR与机器翻译两项任务。在OCR任务中，使用字体生成技术构造了训练数据，在仅使用500张真实标注图片的前提下实现了83.1%的准确率。在机器翻译任务中，结合大语言模型和西夏文辞书知识，实现了西夏文到汉语的对译