利用跨方言黄金句法处理低资源历史语言：面向通用的前现代斯拉夫语解析器
计算与语言
2020-11-13 v1
摘要
本文探讨了通过在不同相关变体的数据上训练专用解析器，从而提升前现代斯拉夫语专用解析器性能的可能性。由于其语言异质性，前现代斯拉夫语变体被视为低资源历史语言，借此可利用跨方言树库数据克服数据稀缺性，并尝试训练变体无关的解析器。本文讨论了早期斯拉夫语依存句法分析的前期实验，尤其关注其处理不同正字法、地域与文体特征的能力。使用 jPTDP（Nguyen & Verspoor 2018，一种用于联合词性（POS）标注与依存句法分析的神经网络模型，该模型在包括古教会斯拉夫语（OCS）在内的多个通用依存（UD）树库上展现出有前景的结果）训练了一个通用的前现代斯拉夫语解析器以及两个专用解析器——一个用于东斯拉夫语，一个用于南斯拉夫语。通过这些实验，我们在 OCS（83.79\% 无标记附着率（UAS）与 78.43\% 有标记附着率（LAS））和古东斯拉夫语（OES）（85.7\% UAS 与 80.16\% LAS）上均取得了新的最优结果。
引用
@article{arxiv.2011.06467,
title = {Exploiting Cross-Dialectal Gold Syntax for Low-Resource Historical Languages: Towards a Generic Parser for Pre-Modern Slavic},
author = {Nilo Pedrazzini},
journal= {arXiv preprint arXiv:2011.06467},
year = {2020}
}
备注
Edited by Folgert Karsdorp, Barbara McGillivray, Adina Nerghes & Melvin Wevers. Conference paper (Preprint version). 11 pages. A link to the repository with the datasets used in the paper can be found in the relevant footnotes