用于改进阿拉伯语目标词义验证的上下文-释义增强
计算与语言
2023-02-09 v1
摘要
阿拉伯语缺乏语义数据集与词义词典。阿拉伯语最常见的语义标注数据集是ArabGlossBERT，这是一个相对较小的数据集，包含从阿拉伯语词典收集的167K上下文-释义对（约60K正例与107K负例）。本文通过对ArabGlossBERT数据集使用（阿拉伯语-英语-阿拉伯语）机器回译进行增强，丰富了该数据集。增强将数据集规模扩大至352K对（149K正例与203K负例）。我们使用不同数据配置来衡量增强的影响，以在目标词义验证（TSV）任务上微调BERT。总体而言，不同数据配置下准确率介于78%至84%。尽管我们的方法与基线表现相当，但在部分实验中的一些词性（POS）标签上确实观察到了改进。此外，我们的微调模型在覆盖更大词汇量与上下文的更大数据集上训练。我们提供了对每个词性（POS）准确率的深入分析。
引用
@article{arxiv.2302.03126,
title = {Context-Gloss Augmentation for Improving Arabic Target Sense Verification},
author = {Sanad Malaysha and Mustafa Jarrar and Mohammed Khalilia},
journal= {arXiv preprint arXiv:2302.03126},
year = {2023}
}