来自异源远程监督的低资源词性标注
计算与语言
2018-08-30 v1
摘要
我们引入 DsDs：一种跨语言神经词性标注器，它从异源的远程监督中学习，并可现实地扩展至数百种低资源语言。该模型在统一框架中利用了标注投影、实例选择、标签词典、形态词典与分布式表示。该方法简单却出奇有效，在无需任何黄金标注数据的情况下达到了新的 SOTA。
引用
@article{arxiv.1808.09733,
title = {Distant Supervision from Disparate Sources for Low-Resource Part-of-Speech Tagging},
author = {Barbara Plank and Željko Agić},
journal= {arXiv preprint arXiv:1808.09733},
year = {2018}
}
备注
EMNLP 2018