UDPipe 在 SIGMORPHON 2019：上下文嵌入、形态范畴正则化与语料库合并
计算与语言
2019-08-20 v1
摘要
我们介绍对 SIGMORPHON 2019 共享任务“形态学中的跨语言与上下文”，任务 2：上下文形态分析与词形还原的贡献。我们提交了对 UDPipe 2.0 的改进版，UDPipe 2.0 是 CoNLL 2018 共享任务“从原始文本到通用依存关系的多语言解析”中表现最佳的系统中之一，也是“2018 年外部解析器评测共享任务”的总冠军。作为我们的第一项改进，我们使用预训练的上下文嵌入（BERT）作为网络的额外输入；其次，我们使用单独的形态学特征作为正则化；最后，我们合并同一语言的选定语料库。在词形还原任务中，我们的系统以很大优势超过所有提交的系统，词形还原准确率为 95.78（第二名为 95.00，第三名为 94.46）。在形态学分析中，我们的系统紧居第二：我们的形态学分析准确率为 93.19，获胜系统为 93.23。
引用
@article{arxiv.1908.06931,
title = {UDPipe at SIGMORPHON 2019: Contextualized Embeddings, Regularization with Morphological Categories, Corpora Merging},
author = {Milan Straka and Jana Straková and Jan Hajič},
journal= {arXiv preprint arXiv:1908.06931},
year = {2019}
}
备注
Accepted by SIGMORPHON 2019: 16th SIGMORPHON Workshop on Computational Research in Phonetics, Phonology, and Morphology