面向多式综合型极小资源语言的神经形态分割模型增强

多式综合语言的形态分割具有挑战性，因为一个词可能由许多独立的语素组成，且训练数据可能极其稀缺。由于神经序列到序列（seq2seq）模型在高资源环境下以及（主要是）欧洲语言的形态分割中定义了当前最优水平，我们首先表明，在极小资源环境下，它们对于墨西哥多式综合语言也能获得具有竞争力的性能。然后，我们提出两种新颖的多任务训练方法——一种需要、一种不需要外部无标注资源——以及两种相应的数据增强方法，在所有语言上均优于神经基线。最后，我们探索跨语言迁移作为增强神经模型的第三种方式，并表明我们可以为相关语言训练一个单一的多语言模型，同时保持相当甚至更好的性能，从而将参数量减少近75%。我们提供用于墨西哥语（Mexicano）、纳瓦特尔语（Nahuatl）、维沙里卡语（Wixarika）和约雷姆诺基语（Yorem Nokki）的形态分割数据集以供未来研究。