URIEL+：增强类型学与多语言知识库中的语言包容性与可用性
计算与语言
2025-02-17 v3 机器学习
摘要
URIEL 是一个知识库，为 7970 种语言提供地理、谱系和类型学向量表示。它包含了 4005 种语言这些向量之间的距离度量，可通过 lang2vec 工具访问。尽管 URIEL 被频繁引用，但它在语言包容性和整体可用性方面存在局限。为了应对这些挑战，我们引入了 URIEL+，这是 URIEL 和 lang2vec 的增强版本，旨在解决这些局限性。除了扩展 2898 种语言的类型学特征覆盖范围外，URIEL+ 还通过稳健、可定制的距离计算改善了用户体验，以更好地满足用户需求。这些升级在下游任务上也提供了具有竞争力的性能，并提供了更符合语言距离研究的距离度量。
引用
@article{arxiv.2409.18472,
title = {URIEL+: Enhancing Linguistic Inclusion and Usability in a Typological and Multilingual Knowledge Base},
author = {Aditya Khan and Mason Shipton and David Anugraha and Kaiyao Duan and Phuong H. Hoang and Eric Khiu and A. Seza Doğruöz and En-Shiun Annie Lee},
journal= {arXiv preprint arXiv:2409.18472},
year = {2025}
}
备注
Accepted to COLING 2025