丰富 NArabizi 树库：支持低资源语言的多维路径
计算与语言
2024-12-06 v1
摘要
本文针对 NArabizi 标注数据稀缺的问题展开研究。NArabizi 是一种多用于社交媒体的北非阿拉伯语罗马化形式，对自然语言处理（NLP）构成挑战。我们引入了 NArabizi 树库（Seddah 等，2020）的增强版本，包含三项主要贡献：新增两层标注（命名实体识别与攻击性语言检测），以及对分词、词形句法与句法层的重新标注以确保标注一致性。我们使用不同分词方案所得的实验结果表明了上述贡献的价值，并凸显了在非黄金分词下开展 NER 与依存句法分析的影响。为促进未来研究，我们公开了这些标注。我们增强的 NArabizi 树库为这一代表性不足的语言创建复杂语言模型与 NLP 工具铺平了道路。
引用
@article{arxiv.2306.14866,
title = {Enriching the NArabizi Treebank: A Multifaceted Approach to Supporting an Under-Resourced Language},
author = {Arij Riabi and Menel Mahamdi and Djamé Seddah},
journal= {arXiv preprint arXiv:2306.14866},
year = {2024}
}
备注
Accepted to the 17th Linguistic Annotation Workshop (LAW-XVII), co-located with ACL 2023