Mar, 2016

基于语言类型学的对比分析：预测能力估算 ESL 语法错误分布

PDF
TL;DR使用对比分析理论，研究跨语言转移对英语作为第二语言文字中的语法错误的影响，提出了一种基于语言类型学的模型，能够准确地预测 ESL 文本中的错误分布，并适用于缺乏语言类型学数据的语言。同时，该模型为探究第一语言因素对第二语言习得中难点的方法提供了工具。
发现论文，激发创造
  • 从外语使用中重构母语语言类型

    本研究通过英语作为第二语言文本中的结构特征和母语语言的类型学特征之间的相似性，提供了支持语言相似性跨语言转移的实证证据，并利用这一发现，在不依赖类型学资源的情况下，直接从 ESL 文本中恢复母语类型学相似性结构，并以无监督的方式执行对目标语言的类型学特征预测。我们的方法在类型学预测任务上取得了 72.2％的准确度，具有与依赖类型学资源的等效方法相当的竞争力。

    Apr, 2014

  • 使用类型学属性增强自然语言处理模型的跨语言行为测试

    本文提出了 M2C，这是一种对自然语言处理模型进行语言特征行为测试的框架，并评估了 12 种类型不同的语言在不同特征测试下的表现，结果发现 NLP 模型在英语上的表现较好，但在斯瓦希里语等语言的某些特殊语言特征测试上表现不佳，这启示我们需要发展解决这些缺陷的模型。

    Jul, 2023

  • 将语言类型学纳入神经依存句法分析中的挑战

    本研究探讨了在跨语言依赖分析的背景下，如何利用类型学来提高性能，而我们的主要发现是将语言聚合成句法同质性群组有助于性能，而将类型维度进行组合式学习的效果并不显著。同时，考虑到所选择语料库的列统计学与类型学相一致时，性能表现也将更为出色。

    Sep, 2019

  • 巴斯克语中的事件提取：基于语言类型学的跨语言迁移学习分析

    跨语言转移学习对事件抽取研究中，源语言和目标语言的类型学相似度是否影响转移性能进行了探讨，并发现源语言与目标语言之间的共享语言特征对转移质量产生影响。该研究还介绍了一种 Basque 的事件抽取数据集 EusIE，供公众使用。

    Apr, 2024

  • 使用监督学习发现潜在结构的句法类型学细粒度预测

    本研究展示了如何通过部分语音序列对一个新语言的基本语序事实进行预测，并且通过大量的合成语言训练数据，将这个通常被认为是无监督学习的问题转化成了有监督学习，从而成功地识别了一个语言的 POS 序列的表面特征（手工特征或神经特征）与其更深层次的结构（潜在树）相关性。该系统在该任务上表现出色，比语法归纳基线高出一个很大的优势。

    Oct, 2017

  • 评估基于 Transformer 的多语言文本分类

    研究探讨了 NLP 工具在不同语言的应用情况以及针对语言结构差异进行的分析，指出哪些变量最影响语言建模的效果，通过计算词序和形态相似性指数等方法进行实证研究，最后通过多分类文本分类实验验证了研究结论。

    Apr, 2020

  • 基于语料库的对照集用于检测低资源英语种类中的形态句法特征

    本文探讨了自然语言变体的研究，通过识别语言特征（例如零 be 动词结构）在语料库中的分布情况，分析这些特征在不同语境中的变化，提出了一种基于人工编辑的自动检测方法，并在印度英语和非裔美国英语方面的实验中展示了该方法的有效性。

    Sep, 2022

  • 针对跨语言依存句法分析的目标语言感知受约束推断

    本研究探讨了在跨语言依存分析中，语言的语言属性如何进行有效应用，通过使用语义知识等多种语言语料库统计数据对推理过程进行指导，使用拉格朗日松弛和后验正则化等技术来进行推理，实验表明拉格朗日松弛和后验正则化的推理显着提高了 19 个目标语言中的 15 个和 17 个的性能表现，尤其是对于源语言不同的目标语言。

    Sep, 2019

  • 语言变异和语言规律的建模：关于自然语言处理中的语言类型学调查

    对语言类型学在自然语言处理中的应用进行了调研，发现目前的语言类型数据库在系统性能提升方面存在局限性，现提出将语言的类型类别与现代自然语言处理中的机器学习算法相融合的新方法。

    Jul, 2018

  • 多语种基于普遍依存关系的词序语法类型

    介绍了一种基于连续值数据而非分类数据的新种子数据集，可以更好地反映语言的变异性，以及用于生成更广泛特征和语言的数据的方法学。

    Feb, 2024