希伯来语 UD 树库建设的第二波浪潮与跨领域解析
计算与语言
2022-10-19 v2
摘要
诸如分词、词性标注与句法解析等希伯来语 NLP 基础任务，迄今一直依赖于不同版本的希伯来语树库（HTB, Sima'an 等 2001）。然而，HTB 作为单一来源的新闻专线语料库，其数据如今已有 30 多年历史，且未涵盖当代希伯来语在网络上的诸多方面。本文提出一个新的、自由获取的希伯来语 UD 树库，该树库从希伯来语维基百科中选取的一系列主题里分层采样得到。除介绍该语料库并评估其标注质量外，我们部署了基于 grew（Guillaume, 2021）的自动验证工具，并开展了希伯来语史上首次跨领域解析实验。我们利用最新语言建模与对现有基于 transformer 方法的一些增量改进相结合，在 UD NLP 任务上取得了新的最先进（SOTA）结果。我们还发布了与新语料库标注方案更新相匹配的 UD HTB 新版本。
引用
@article{arxiv.2210.07873,
title = {A Second Wave of UD Hebrew Treebanking and Cross-Domain Parsing},
author = {Amir Zeldes and Nick Howell and Noam Ordan and Yifat Ben Moshe},
journal= {arXiv preprint arXiv:2210.07873},
year = {2022}
}
备注
Proceedings of EMNLP 2022