构建口语弗里斯兰-荷兰语码切换数据的通用依存树库
计算与语言
2021-02-23 v1
摘要
本文探讨了将转写的口语荷兰-弗里斯兰语码切换话语标注为通用依存（Universal Dependencies）的困难。我们利用FAME!语料库的数据，该语料库包含转写文本与音频数据。除通常的标注困难外，该数据集因弗里斯兰语资源匮乏、数据非正式性、码切换及非标准句分割而更具挑战。作为起点，两名标注者分三阶段各标注50条随机话语，共150条。每阶段后讨论并解决分歧。第一轮与第三轮间UAS提升7.8点，LAS提升10.5点。本文聚焦于标注转写语音语料库时出现的问题，并针对这些问题提出了若干解决方案。
引用
@article{arxiv.2102.11152,
title = {Creating a Universal Dependencies Treebank of Spoken Frisian-Dutch Code-switched Data},
author = {Anouck Braggaar and Rob van der Goot},
journal= {arXiv preprint arXiv:2102.11152},
year = {2021}
}
备注
RESOURCEFUL-2020