神经多源形态重屈折
计算与语言
2017-01-24 v3
摘要
我们探索了多源形态重屈折任务，该任务推广了标准的单源版本。输入包括 (i) 一个目标标签和 (ii) 一个词条的多个源形式与源标签对。其动机在于，访问多个源形式是有益的，因为不同的源形式可以提供互补信息，例如不同的词干。我们进一步提出了一种新颖的编码器-解码器循环神经架构扩展，由多个编码器组成，以更好地解决该任务。我们证明，我们的新架构优于单源重屈折模型，并发布了我们的多源形态重屈折数据集，以促进未来的研究。
引用
@article{arxiv.1612.06027,
title = {Neural Multi-Source Morphological Reinflection},
author = {Katharina Kann and Ryan Cotterell and Hinrich Schütze},
journal= {arXiv preprint arXiv:1612.06027},
year = {2017}
}
备注
Accepted at EACL 2017. Camera Ready Version