Simple Additions, Substantial Gains: 扩展URIEL+的脚本、语言与血统覆盖范围

URIEL+ 语言知识库通过地理、遗传和类型学向量对语言进行编码，支持多语言研究。然而，数据稀疏（例如缺失特征类型、不完整的语言条目以及有限的谱系覆盖）仍然普遍存在。这限制了URIEL+在跨语言迁移中的实用性，尤其是对支持低资源语言。为此，本文通过引入表示书写系统属性的脚本向量（覆盖7,488种语言），整合Glottolog增加18,710个额外语言，并通过在谱系中传递类型学和脚本特征扩展血统推断（覆盖26,449种语言），从而扩展URIEL+。这些改进使脚本向量的特征稀疏度降低14%，语言覆盖范围最多提升19,015种语言（1,007%），并使插值质量指标提升最高35%。我们对跨语言迁移任务的基准测试（围绕低资源语言）显示，与URIEL+相比，某些情况下表现呈现偶发差异，最高可达6%的性能提升。