濒危语言上的词性标注：一个 Griko-意大利语平行资源
计算与语言
2018-06-12 v1
摘要
大多数词性(POS)标注工作聚焦于高资源语言，或通过模拟研究考察低资源与主动学习场景。我们在一个实际的濒危语言 Griko 上评估 POS 标注技术。我们呈现了一份资源，包含 114 篇 Griko 叙事文本及其意大利语句级翻译，并为测试集提供黄金标注。基于先前收集的小型语料库，我们考察了若干传统方法，以及利用单语数据或跨语言投影 POS 标签的方法。我们表明，半监督方法与跨语言迁移的结合更适用于这一极具挑战性的场景，最佳标注器达到了 72.9% 的准确率。通过所应用的主动学习方案——我们借此在测试集上收集句级标注——我们取得了超过 21 个百分点的提升。
引用
@article{arxiv.1806.03757,
title = {Part-of-Speech Tagging on an Endangered Language: a Parallel Griko-Italian Resource},
author = {Antonis Anastasopoulos and Marika Lekakou and Josep Quer and Eleni Zimianiti and Justin DeBenedetto and David Chiang},
journal= {arXiv preprint arXiv:1806.03757},
year = {2018}
}
备注
to be presented at COLING 2018