基于 Cognate Transformer 将自动化同源词检测作为监督链接预测任务

识别相关语言之间的同源词是历史语言学中的主要问题之一。自动化同源词识别有助于多项下游任务，包括识别语音对应关系、原始语言重构、系统发育分类等。以往最先进的同源词识别方法大多基于跨多语言词表计算的音素分布，很少利用定义同源词簇之间链接的同源性标签。在本文中，我们提出了一种受计算生物学启发的基于 Transformer 的架构，用于自动化同源词检测任务。在超过一定量的监督下，该方法的表现优于现有方法，并随着监督量的进一步增加而显示出稳步提升，从而证明了利用标注信息的有效性。我们还证明，接受多序列比对作为输入并拥有带有链接预测头的端到端架构，可以在节省大量计算时间的同时产生更优越的性能。