面向儿童指向语料的跨语言一致的语义与句法标注
计算与语言
2024-03-18 v2
摘要
本文提出了一种构建此类带有句子逻辑形式（LF）的儿童指向语（CDS）语料库的方法，并运用该方法创建了英语和希伯来语两个此类语料库。该方法基于依存表示与语义解析的最新进展，强制采用跨语言一致的表示。具体而言，该方法包含两步。首先，我们使用通用依存（UD）方案对语料库进行句法标注，该方案被开发用于一致地应用于广泛领域及类型学上多样的语言。接着，我们应用一种从 UD 结构转换句子逻辑形式（LF）的自动方法，对这些数据作进一步标注。UD 与 LF 表示具有互补优势：UD 结构语言中立，支持多名标注者进行一致且可靠的标注；而 LF 在其句法推导上保持中立，并透明地编码语义关系。利用该方法，我们为来自 CHILDES 的两个语料库提供了句法与语义标注：Brown 的 Adam 语料库（英语；我们标注了约 80% 的儿童指向话语），以及 Berman 的 Hagar 语料库（希伯来语）中所有儿童指向话语。我们通过标注者间一致性研究验证了 UD 标注的质量，并人工评估了转换得到的意义表示。随后，我们通过（1）一项关于 CDS 中不同句法与语义现象普遍程度的纵向语料库研究，以及（2）将一种现有的语言习得计算模型应用于这两个语料库并简要比较跨语言结果，展示了所构建语料库的效用。
引用
@article{arxiv.2109.10952,
title = {Cross-linguistically Consistent Semantic and Syntactic Annotation of Child-directed Speech},
author = {Ida Szubert and Omri Abend and Nathan Schneider and Samuel Gibbon and Louis Mahon and Sharon Goldwater and Mark Steedman},
journal= {arXiv preprint arXiv:2109.10952},
year = {2024}
}