梵语数据驱动依存句法分析的神经方法
计算与语言
2020-04-20 v1
摘要
在过去的几十年中，数据驱动的依存句法分析方法在自然语言处理中备受关注。然而，梵语仍然缺乏一个鲁棒的纯数据驱动依存解析器，可能除 Krishna（2019）外是个例外。这主要归因于缺乏任务特定的标注数据以及该语言形态丰富的特性。在这项工作中，我们评估了四种最初为不同语言提出的数据驱动机器学习模型，并比较它们在梵语数据上的性能。我们实验了 2 种基于图的解析器和 2 种基于转移的解析器。我们在低资源设置下（使用 1,500 个句子进行训练）比较了每个模型的性能。此外，由于我们的重点在于每个模型的学习能力，我们未将任何梵语特定特征显式引入模型，而是使用各论文中的默认设置来获取特征函数。在这项工作中，我们使用域内和域外测试数据集分析了这些解析器的性能。我们还通过解析诗句及其对应的散文语序（anvaya）句子，研究了将这些句子作为输入提供给这些系统时的词序影响。
引用
@article{arxiv.2004.08076,
title = {Neural Approaches for Data Driven Dependency Parsing in Sanskrit},
author = {Amrith Krishna and Ashim Gupta and Deepak Garasangi and Jivnesh Sandhan and Pavankumar Satuluri and Pawan Goyal},
journal= {arXiv preprint arXiv:2004.08076},
year = {2020}
}
备注
submitted to WSC 2021