泰语中的错字语义

用户生成内容中充满错字。我们假设许多错字并非只是随机噪声，而是包含可被利用以用于语言理解任务的隐藏语义，而非仅是随机噪声。本文提出了一个细粒度标注的泰语错字语料库，并对错字意图及其可能语义进行分析，以更好地理解语料库中观察到的错字模式。此外，我们引入两种将错字语义纳入考虑的方法：错字平均嵌入（MAE）与错字语义词元（MST）。在情感分析任务上的实验证实了我们的总体假设：来自错字的附加语义可将微平均 F1 分数提升多达 0.4–2%，而盲目地将错字归一化是有害且次优的。