NU HLT在CMCL 2022共享任务：通用语言空间中人类阅读行为的多语言与跨语言预测
计算与语言
2022-03-01 v2 机器学习
摘要
本文中，我们提出了一个统一模型，可用于多种语言中词阅读时间的多语言与跨语言预测。该模型成功的关键在于预处理步骤：所有词均通过国际音标（IPA）转换为其通用语言表征。据我们所知，这是首项有利地利用语言的这一语音属性来完成这两项任务的研究。我们提取了多种特征类型，涵盖基本频率、n-gram、信息论以及受心理语言学驱动的预测因子用于模型训练。一个微调后的随机森林模型在两项任务上均取得最佳性能，其平均首次注视时长（FFDAvg）与平均总阅读时间（TRTAvg）的 MAE 分数分别为 3.8031 与 3.9065。
引用
@article{arxiv.2202.10855,
title = {NU HLT at CMCL 2022 Shared Task: Multilingual and Crosslingual Prediction of Human Reading Behavior in Universal Language Space},
author = {Joseph Marvin Imperial},
journal= {arXiv preprint arXiv:2202.10855},
year = {2022}
}