基于Transformer的波斯语Ezafe识别及其在词性标注中的作用
计算与语言
2020-10-06 v2 机器学习
摘要
Ezafe是某些伊朗语言中将两个词连接在一起的语法小品词。尽管它传达重要信息，但在波斯语书写中几乎总是不被标出，导致阅读复杂句子时的错误以及自然语言处理任务中的误差。本文中，我们尝试不同的机器学习方法，以在ezafe识别任务中取得最先进（state-of-the-art）的结果。基于Transformer的方法BERT和XLMRoBERTa取得了最佳结果，后者比先前的最先进结果高出2.68%的F1分数。此外，我们利用ezafe信息改进波斯语词性标注结果，并表明此类信息对基于Transformer的方法并无助益，且解释了可能的原因。
引用
@article{arxiv.2009.09474,
title = {Persian Ezafe Recognition Using Transformers and Its Role in Part-Of-Speech Tagging},
author = {Ehsan Doostmohammadi and Minoo Nassajian and Adel Rahimi},
journal= {arXiv preprint arXiv:2009.09474},
year = {2020}
}