面向跨语言结构化预测的上下文标签投影

标签投影涉及联合获取翻译后的标签与文本，对于利用机器翻译促进结构化预测任务中的跨语言迁移至关重要。先前探索标签投影的研究往往通过偏向简化的标签翻译或仅依赖词级对齐而牺牲翻译准确性。本文中，我们提出一种新颖的标签投影方法 CLaP，它将文本翻译到目标语言并利用翻译后的文本作为上下文对标签进行上下文翻译，从而确保翻译标签更好的准确性。我们利用具有多语言能力的指令微调语言模型作为上下文翻译器，通过指令约束翻译文本中须出现翻译后的标签。我们在两个代表性结构化预测任务——事件论元抽取（EAE）与命名实体识别（NER）——上跨 39 种语言的零样本跨语言迁移中对 CLaP 与其他标签投影技术进行基准测试，结果显示 EAE 提升超过 2.4 F1，NER 提升 1.4 F1。我们进一步探索 CLaP 在十种极低资源语言上的适用性，以展示其在跨语言结构化预测中的潜力。