我们介绍了一种考虑词素的子词切分方法，利用字符的分解方法来解决字节对编码（BPE）在韩语中应用所面临的挑战，韩语的特点是丰富的语态和独特的书写系统。我们的方法在预训练语言模型（PLMs）中平衡了语言准确性和计算效率。我们的评估结果显示，该技术在整体上表现良好，显著提高了 NIKL-CoLA 句法任务的结果。这表明融合词素类型信息可以增强语言模型的句法和语义能力，表示采用更多的语言洞察力可以进一步提高性能，超越标准的形态分析。

Nov, 2023

本文利用特殊语言特征提高韩语命名实体识别，使用 CoNLL-U 格式提出韩语语料库标注方案，实现命名实体标记在分词中减少歧义，并探讨以词素为基础的标记方案的可行性和性能。

May, 2023

使用韩语作为案例语言，比较使用不同编码方案（Jamo 级别独热、字符级别独热、字符级别稠密、字符级别多热）所得到的分类效果，结果显示字符级别特征较优秀。

May, 2019

本文提出一种新颖的子字符架构，利用韩语的独特组合结构将每个字符分解为一小组基本音韵单元，称为 “jamo 字母”，从而诱导字符和单词级别的表征。 jamo 字母透露出难以通过传统的字符级单元访问的句法和语义信息。它们显著缓解了数据稀疏性问题，在实验中减少了观察空间的原始空间的 1.6％，并在依赖解析中取得了显着的优化效果。

Jul, 2017

该研究论文介绍了为 SPMRL 2013 共享任务准备的韩国数据，包括来自 KAIST Treebank 的所有成分树转换为 Penn Treebank 样式的句子，通过启发式和标记规则将所有依赖树从转换后的成分树中转换为 KAIST Treebank 特定设计的依赖树，并提供了两种自动生成的形态分析结果。

Sep, 2013

本文研究如何利用转移学习的方法，通过训练 character-level recurrent neural taggers 的方式，使得高资源语言和低资源语言都能够正确预测 morphological taggings，成功地实现了多语言间的知识迁移，有效提高了准确性达 30%。

Aug, 2017

本文探讨了适用于复杂形态和大标注集语言的神经字符基础形态标注，结合双向 LSTMs 建模跨单词上下文，发现网络架构和预训练词嵌入向量在‘简单’模型配置的情况下对准确度产生重要影响，通过增加深度优化神经网络可显著提高标注器准确度，最终德语和捷克语的最佳形态标注器性能显著优于文献中最好结果。

Jun, 2016

本文针对保加利亚语 (一种具有丰富的屈折和派生形态的斯拉夫语言) 进行了词性标注实验，并结合大型形态学词典、先前的语言知识以及基于 POS 注释语料库的有指导性学习方法，使用 680 个形态语法标记，实现了 97.98% 的准确率，这是对保加利亚语的最新技术的显着改进。

Nov, 2019

这篇论文研究了韩语语言处理中的词分割粒度，通过将韩语从以空格分隔的词（eojeol）转化为一系列的语素，我们发现韩语存在多种可能的词分割粒度。对于特定的语言处理和语料库标注任务，已经提出和使用了几种不同的粒度级别，因为包括韩语在内的凝聚语言在功能语素和句法类别之间有一对一的映射关系。因此，我们对这些不同的粒度级别进行了分析，给出了韩语语言处理系统的实例以供参考。有趣的是，仅将功能语素（如格标记和动词词尾）分开，并保留其他后缀用于词态派生，将会得到短语结构分析的最佳性能，这与过去韩语语言处理的最佳实践相矛盾，过去的最佳实践被视为分离所有语素的默认标准，适用于各种应用场景。

Sep, 2023

通过卷积神经网络（CNN）构建模型，使用音节数组来代替单个字符，成功的实现了韩语词汇的形态学表征，比传统的 Skip-gram 模型表现更优，且具备良好的鲁棒性。

Aug, 2017