半监督神经原语语言重构

现有的实现祖语（proto-language）比较重建工作通常需要完全监督。然而，历史语言重建模型只有在能够使用有限标记数据进行训练时才具有实际价值。我们提出一种半监督的历史重建任务，该任务仅使用少量标记数据（同形集合带原语形式）和大量未标记数据（同形集合不带原语形式）进行训练。我们提出了一种神经网络架构用于比较重建（DPD-BiReconstructor），该架构包含语言学家比较法的关键洞察：重构的单词不仅应从其女形词中可重建，还应可确定性地转换回其女形词。我们展示了该架构能够利用未标记的同形集合在该新任务上超越强大的半监督基线。