宿务语可读性基线模型
计算与语言
2022-05-23 v3
摘要
在本研究中，我们开发了首个针对宿务语的可读性基线模型。宿务语是菲律宾使用量第二大的母语，约有 2750 万使用者。作为基线，我们提取了传统的或基于表面的特征、依据宿务语文献正字法得到的音节模式，以及多语言 BERT 模型得到的神经嵌入。结果显示，在前两个手工语言学特征上，使用优化后的 Random Forest 模型训练取得了最佳性能，各项指标均约达 87%。所使用的特征集与算法也与之前菲律宾语可读性评估的结果相似，显示出跨语言应用的潜力。为鼓励更多针对宿务语等菲律宾语言的可读性评估工作，我们将代码与数据开源。
引用
@article{arxiv.2203.17225,
title = {A Baseline Readability Model for Cebuano},
author = {Lloyd Lois Antonie Reyes and Michael Antonio Ibañez and Ranz Sapinit and Mohammed Hussien and Joseph Marvin Imperial},
journal= {arXiv preprint arXiv:2203.17225},
year = {2022}
}
备注
Accepted to BEA Workshop at NAACL 2022