InDEX：用于完形填空测试的印尼语习语与表达数据集
计算与语言
2022-11-28 v1
摘要
我们提出 InDEX，一个用于完形填空测试的印尼语习语与表达数据集。该数据集包含 10438 个唯一句子，涵盖 289 个习语与表达，我们为其生成 15 种不同类型的干扰项，从而构成一个大型完形填空风格语料库。许多完形填空阅读理解的基线模型采用随机初始化的 BERT 来学习嵌入表示。但习语与固定表达有所不同，其短语的字面意义可能与上下文意义一致或不一致。因此，我们探索了结合静态与上下文表示的不同方式以构建更强的基线模型。实验表明，无论独立使用还是与固定表达混合，结合定义与随机初始化都能更好地支持习语完形填空模型性能。而对于无特殊含义的固定表达，随机初始化的静态嵌入已足以用于完形填空模型。
引用
@article{arxiv.2211.13376,
title = {InDEX: Indonesian Idiom and Expression Dataset for Cloze Test},
author = {Xinying Qiu and Guofeng Shi},
journal= {arXiv preprint arXiv:2211.13376},
year = {2022}
}
备注
Accepted to "2022 International Conference on Asian Language Processing (IALP)"