LemMED：基于短上下文窗口的快速高效神经形态分析
计算与语言
2020-10-22 v1
摘要
我们提出 LemMED，一种用于上下文形态分析（词元还原与词性标注相结合）的字符级编码器-解码器。LemMED 扩展并以另两个基于注意力的模型命名，即上下文词元还原模型 Lematus 与形态（再）屈折模型 MED。我们的方法无需训练独立的词元还原与标注模型，也不需要形态词典或转换器等额外资源与工具。此外，LemMED 仅依赖字符级表示与局部上下文。尽管该模型原则上可考虑句子层面的全局上下文，我们的实验表明，仅使用目标词周围单个词的上下文不仅计算上更可行，而且能取得更好的结果。我们在 SIGMORPHON-2019 词元还原与标注联合任务的框架下评估 LemMED。在平均性能上，LemMED 在 13 个系统中排名第 5，且仅落后于那些使用上下文嵌入的提交系统。
引用
@article{arxiv.2010.10921,
title = {LemMED: Fast and Effective Neural Morphological Analysis with Short Context Windows},
author = {Aibek Makazhanov and Sharon Goldwater and Adam Lopez},
journal= {arXiv preprint arXiv:2010.10921},
year = {2020}
}