Two CFG Nahuatl for automatic corpora expansion

本文旨在介绍两种用于纳瓦特语语料库自动扩充的上下文无关语法（CFG）。纳瓦特语是一种美洲原住民语言（也是墨西哥的国家语言），属于 π 语言类型，即数字资源极少的语言。因此，现有的用于学习大型语言模型（LLM）的语料几乎不存在，构成了显著挑战。目标是生成大量语法正确的人工纳瓦特语句，从而扩充语料库，用于学习非上下文嵌入。为此，我们引入两种新的纳瓦特语 CFG，并以生成模式使用这些语法。通过这些语法，可显著扩充纳瓦特语语料库，随后可用于学习嵌入并评估其在句子语义相似性任务中的相关性。结果表明，相较于仅使用原始语料库获得的结果，利用人工扩充后的语料库在性能上实现了提升，同时也表明经济型嵌入往往优于某些 LLM。