基于统一义项表示的多语言词义消歧
计算与语言
2022-10-17 v1
摘要
作为自然语言处理（NLP）的一项关键任务，词义消歧（WSD）评估 NLP 模型在特定上下文中理解词语词汇语义的能力。受益于大规模标注，当前 WSD 系统通过结合监督学习与词汇知识在英语上取得了令人印象深刻的性能。然而，这种成功难以在其他语言中复现，那些语言中我们仅有有限的标注。本文基于跨语言描述同一概念集合的多语言词典 BabelNet，提出构建基于知识与监督的多语言词义消歧（MWSD）系统。我们为多种语言构建统一义项表示，并通过将标注从资源丰富的语言迁移到资源匮乏的语言来解决 MWSD 的标注稀缺问题。借助统一义项表示，来自多种语言的标注可联合训练以惠及 MWSD 任务。对 SemEval-13 和 SemEval-15 数据集的评估证明了我们方法的有效性。
引用
@article{arxiv.2210.07447,
title = {Multilingual Word Sense Disambiguation with Unified Sense Representation},
author = {Ying Su and Hongming Zhang and Yangqiu Song and Tong Zhang},
journal= {arXiv preprint arXiv:2210.07447},
year = {2022}
}
备注
8 pages, 5 figures