利用双向循环神经网络诱导多语言文本分析工具
计算与语言
2016-09-30 v1
摘要
本工作聚焦于为资源匮乏语言快速开发语言标注工具。我们实验了多种使用循环神经网络（RNN）模型的跨语言标注投影方法。我们方法的独特之处在于，其多语言词表示仅需要源语言与目标语言之间的平行语料库。更确切地说，我们的方法具有以下特点：(a) 不使用词对齐信息，(b) 不假定任何关于外语的知识，这使其适用于广泛的资源匮乏语言，(c) 提供真正的多语言标注器。我们研究了单向和双向RNN模型，并提出了一种在RNN中纳入外部信息（例如来自词性标注的低层信息）以训练高层标注器（例如超义标注器）的方法。我们通过使用（通过人工或自动翻译获得的）平行语料库，证明了模型的有效性和通用性。我们的实验旨在诱导跨语言词性标注器和超义标注器。
引用
@article{arxiv.1609.09382,
title = {Inducing Multilingual Text Analysis Tools Using Bidirectional Recurrent Neural Networks},
author = {Othman Zennaki and Nasredine Semmar and Laurent Besacier},
journal= {arXiv preprint arXiv:1609.09382},
year = {2016}
}
备注
accepted to COLING 2016