多源优于单源：在低资源词汇注释中融入外部知识
计算与语言
2024-06-18 v1
摘要
在本文中，我们通过协调多种语言专业知识来源，解决了低资源语言自动数据驱动词汇注释中的数据稀缺问题。我们在词级和句子级向模型补充翻译，并利用现代大语言模型的广泛语言能力。我们的改进使得在一个涵盖六种低资源语言的类型学多样化数据集上，词级准确率相比先前最先进技术平均绝对提高了 5 个百分点。对于资源最少的语言 Gitksan，改进尤为显著，我们实现了 10 个百分点的提升。此外，在针对相同六种语言的模拟超低资源设置中，使用少于 100 个带注释的句子进行训练，我们在词级准确率上相比先前最先进系统平均提高了 10 个百分点。
引用
@article{arxiv.2406.11085,
title = {Multiple Sources are Better Than One: Incorporating External Knowledge in Low-Resource Glossing},
author = {Changbing Yang and Garrett Nicolai and Miikka Silfverberg},
journal= {arXiv preprint arXiv:2406.11085},
year = {2024}
}
备注
arXiv admin note: text overlap with arXiv:2403.08189