T-Projection：面向序列标注任务的高质量标注投影
计算与语言
2023-10-25 v2
摘要
在缺乏现成标注数据可用于特定序列标注任务和语言的情况下，标注投影被提出作为一种自动生成标注数据的可能策略。标注投影通常被表述为在平行语料库上，将源语言中特定跨度的标签转移至目标语言中对应跨度的任务。在本文中，我们提出了 T-Projection，一种利用大型预训练文本到文本语言模型和最先进机器翻译技术的标注投影新方法。T-Projection 将标签投影任务分解为两个子任务：候选生成步骤，使用多语言 T5 模型生成一组投影候选；候选选择步骤，基于翻译概率对生成的候选进行排序。我们在 5 种印欧语系语言和 8 种低资源非洲语言上进行了内在和外在任务实验。我们证明 T-Projection 以显著优势优于以往的标注投影方法。我们相信 T-Projection 能够有助于自动缓解序列标注任务缺乏高质量训练数据的问题。代码和数据已公开。
引用
@article{arxiv.2212.10548,
title = {T-Projection: High Quality Annotation Projection for Sequence Labeling Tasks},
author = {Iker García-Ferrero and Rodrigo Agerri and German Rigau},
journal= {arXiv preprint arXiv:2212.10548},
year = {2023}
}
备注
Findings of the EMNLP 2023