零资源跨语言词性标注
计算与语言
2024-01-12 v1
摘要
在零资源环境下进行词性标注，对于没有标注训练数据的低资源语言来说是一种有效的方法。现有系统主要使用两种技术进行词性标注，即预训练的多语言大语言模型（LLM），或将源语言标签投影到零资源目标语言中，并在其上训练序列标注模型。我们探索了后一种方法，使用现成的对齐模块，并训练隐马尔可夫模型（HMM）来预测词性标签。我们评估了以英语为源语言，法语、德语和西班牙语为目标语言的词性标注迁移学习设置。我们的结论是，零资源语言中的投影对齐数据有助于预测词性标签。
引用
@article{arxiv.2401.05727,
title = {Zero Resource Cross-Lingual Part Of Speech Tagging},
author = {Sahil Chopra},
journal= {arXiv preprint arXiv:2401.05727},
year = {2024}
}