CreoleVal：面向克里奥尔语的多语言多任务基准
计算与语言
2024-05-07 v3 人工智能
摘要
克里奥尔语代表了一组未被充分探索且被边缘化的语言，可用于 NLP 研究的资源很少。尽管克里奥尔语与若干高资源语言之间的谱系联系意味着迁移学习的显著潜力，但这种潜力因缺乏标注数据而受阻。在这项工作中，我们提出 CreoleVal，一个涵盖 8 种不同 NLP 任务、涉及多达 28 种克里奥尔语的基准数据集集合；它汇集了用于克里奥尔语的阅读理解、关系分类和机器翻译的新颖开发数据集，此外还提供了一个通往若干已有基准的实用入口。对于每个基准，我们在零样本设定下开展基线实验，以进一步确定克里奥尔语迁移学习的能力与局限。最终，我们将 CreoleVal 视为赋能 NLP 与计算语言学中克里奥尔语研究的机会，并且总体上，是迈向全球更公平语言技术的一步。
引用
@article{arxiv.2310.19567,
title = {CreoleVal: Multilingual Multitask Benchmarks for Creoles},
author = {Heather Lent and Kushal Tatariya and Raj Dabre and Yiyi Chen and Marcell Fekete and Esther Ploeger and Li Zhou and Ruth-Ann Armstrong and Abee Eijansantos and Catriona Malau and Hans Erik Heje and Ernests Lavrinovics and Diptesh Kanojia and Paul Belony and Marcel Bollmann and Loïc Grobol and Miryam de Lhoneux and Daniel Hershcovich and Michel DeGraff and Anders Søgaard and Johannes Bjerva},
journal= {arXiv preprint arXiv:2310.19567},
year = {2024}
}
备注
Accepted to TACL