一种用于 Nawatl 语料库增强的初步上下文无关语法

本文介绍了一种针对 Nawatl 语言的上下文无关语法（CFG）。Nawatl（或称 Nahuatl）是一种美洲原住民语言，属于 $\pi$ 类型语言，即数字资源极其有限的语言，机器学习可用的语料几乎不存在。本文的目标是生成大量语法正确的人工句子，以增加用于语言模型训练的语料库。我们希望展示，语法能够显著扩展我们称为 $\pi$-\textsc{yalli} 的语料库。经丰富后的语料库使我们能够训练诸如 FastText 等算法，并在句子级别语义任务上对其进行评估。初步结果表明，运用该语法后，与一些大语言模型（LLMs）相比，实现了显著的改进。然而，观察到若要获得更大的改进，仍需开发更有效地建模 Nawatl 语言的语法。