基于图的多语言标签传播用于低资源词性标注
计算与语言
2022-11-01 v2
摘要
词性(POS)标注是 NLP 流水线的重要组件,但许多低资源语言缺乏用于训练的标注数据。在此类场景下训练 POS 标注器的一个既定方法是通过从高资源语言迁移来创建标注训练集。在本文中,我们提出一种从多个高资源源语言向低资源目标语言迁移标签的新方法。我们将 POS 标签投影形式化为基于图的标签传播。给定一句话在多种语言中的译文,我们通过为所有语言对对齐词语,创建以词为节点、以对齐链接为边的图。随后我们使用由 transformer 层增强的图神经网络将节点标签从源语言传播到目标语言。我们表明,我们的传播所创建的训练集使我们能够为一组多样化的语言训练 POS 标注器。当与增强的上下文化嵌入结合时,我们的方法实现了低资源语言无监督 POS 标注的新 SOTA。
引用
@article{arxiv.2210.09840,
title = {Graph-Based Multilingual Label Propagation for Low-Resource Part-of-Speech Tagging},
author = {Ayyoob Imani and Silvia Severini and Masoud Jalili Sabet and François Yvon and Hinrich Schütze},
journal= {arXiv preprint arXiv:2210.09840},
year = {2022}
}
备注
EMNLP 2022