罗曼什语的 RUMLEM：基于词典的Lemmatizer
计算与语言
2026-04-14 v1
摘要
Lemmatization —— 将变格词形映射到词典形式的任务 —— 是许多自然语言处理应用的关键组件。本文介绍了 RUMLEM，一种覆盖罗曼什五个主要变体以及超地区标准变体 Rumantsch Grischun 的Lemmatizer。它基于为罗曼什构建的全面、由社区驱动的形态学数据库，使 RUMLEM 能覆盖典型罗曼什文本中 77-84% 的词汇。由于为每个罗曼什变体都有专门的数据库，RUMLEM 的另一个应用是变体感知的语言分类。在长度各异的30000篇罗曼什文本上的评估显示，RUMLEM 在95%的情况下正确识别变体。在此基础上，一个概念证明演示了基于Lemmatizer的罗曼什语与非罗曼什语语言分类的可行性。
关键词
引用
@article{arxiv.2604.11233,
title = {RUMLEM: A Dictionary-Based Lemmatizer for Romansh},
author = {Dominic P. Fischer and Zachary Hopton and Jannis Vamvas},
journal= {arXiv preprint arXiv:2604.11233},
year = {2026}
}