MaiBaam：多方言巴伐利亚通用依赖树库
计算与语言
2024-03-18 v1
摘要
尽管通用依赖(UD)项目在语言广度方面取得了显著成功，但在"语言内部广度"方面仍存在不足：大多数树库聚焦于标准语言。即便是UD中注释最多的德语，至今没有针对1000万以上说话者的语言变体——巴伐利亚语的树库存在。为弥合这一差距，我们提出首个多方言巴伐利亚树库(MaiBaam)，使用UD格式手动标注了词性和语法依赖信息，覆盖多个文本类型(维基、小说、语法示例、社交、非虚构)。我们强调巴伐利亚语与德语之间的形态学和语法差异，展示说话者拼写形式的丰富变异性。该语料库包含15000个词标记，覆盖来自三个国家所有巴伐利亚语区的方言。我们提供基准解析和词性标注结果，低于德语结果，不同图基解析器之间差异显著。为支持进一步研究巴伐利亚语语法，我们公开数据集、语言特定指南和代码。
引用
@article{arxiv.2403.10293,
title = {MaiBaam: A Multi-Dialectal Bavarian Universal Dependency Treebank},
author = {Verena Blaschke and Barbara Kovačić and Siyao Peng and Hinrich Schütze and Barbara Plank},
journal= {arXiv preprint arXiv:2403.10293},
year = {2024}
}
备注
LREC-COLING 2024