一种新的基于跨语言的语义角色标注方法
计算与语言
2024-08-29 v1 人工智能
机器学习
摘要
语义角色标注是自然语言处理中的关键任务，使我们能够更好地理解自然语言。然而，缺乏多语言注释数据一直是研究人员面临的挑战。为此，提出了一种基于模型迁移的深度学习算法。该算法利用由英文 CoNLL2009 portions 组成的数据集和波斯语语义角色语料库。为优化训练效率，只使用每个语言的教育数据的 10%。提出模型的结果在 F1 分数上显著优于 Niksirt 等人的模型。在单语模式下，提出的模型在 F1 分数上实现了 2.05% 的提升，而在跨语言模式下，提升甚至更为显著，达到了 6.23%。值得注意的是，对比模型仅训练了语义角色标注的两个阶段，并在其余两个阶段使用 golden 数据。这表明提议模型的实际优势显然超过报告的数字。跨语言语义角色标注方法的发展在解决各种语言注释数据稀缺问题方面具有前景。这些进展为进一步研究理解和处理不同语言背景下的自然语言铺平了道路。
引用
@article{arxiv.2408.15896,
title = {A New Method for Cross-Lingual-based Semantic Role Labeling},
author = {Mohammad Ebrahimi and Behrouz Minaei Bidgoli and Nasim Khozouei},
journal= {arXiv preprint arXiv:2408.15896},
year = {2024}
}