Sep, 2019

代码交替数据的词性标注

PDF
TL;DR本文研究多种策略用于在两种语言或方言之间进行 linguistic code switching POS 标注的方法，并表明使用两种现有的 POS 标注器的机器学习框架比其他方法实现的性能更好。
part of speech tagginglinguistic code switchingintra-sentential datastate of the art pos taggersmachine learning framework
发现论文，激发创造
  • SMPOST: 用于代码混合的印度社交媒体文本的词性标注器

    研究社交媒体上社会语言的使用及其对自然语言处理的影响，参考三种不同语言对的社交媒体数据，通过条件随机场分类器开发出一个基于富有语言特征的词性标注系统。

    Feb, 2017

  • El Volumen Louder Por Favor: 任务导向的语义解析中的语码转换

    本研究的重点在于 Spanglish，提出了两种数据增强方法解决 CS 样本不足问题，结合少样本的情况，使零样本和全数据的准确度差距缩小了三分之二。

    Jan, 2021

  • 代码切换语言识别更加困难

    通过建立代码切换语料库的应用，我们研究了代码切换语言识别，考虑到多种语言和较简单的模型架构以实现更快速推理。我们将任务重新定义为句子级多标签标注问题，以使其更易处理，并提出反映所需性能的度量指标。我们通过实证实现表明当前的方法都不足够，并在这一领域提供未来工作的建议。

    Feb, 2024

  • 基于子词的语言识别技术用于单词内的语码转换

    本文将语种识别任务推广到子词级别，研究如何识别包含两种以上语言的语素（intra-word CS），提出了一种基于分段循环神经网络的模型，并在西班牙 - 韦萨里卡数据集和德国 - 土耳其数据集的实验中，相较于基准方法有略微提升或相当的表现。

    Apr, 2019

  • 从英语到混合语：利用强形态线索的迁移学习

    研究提出了一种基于 ELMo 模型和位置感知的关注机制的代码切换模型：CS-ELMo，它通过迁移学习将英语知识转移到不同的代码切换语言对（如尼泊尔语 - 英语，西班牙语 - 英语和印地语 - 英语），并在 NER 和 POS 标记等关键任务上显著优于其他模型。

    Sep, 2019

  • 端到端语音识别中的语言无关代码切换

    本文研究提出一种简单而有效的数据增强方法，以在缺乏大量语料库的情况下训练多语言系统，进而提高 Code-Switching 语音的自动识别水平。通过将不同源语言的音频和相应标签连结在一起训练神经网络端到端 (E2E) 模型，实现在跨句子语言转换方面的提高。

    Oct, 2022

  • 低资源方言阿拉伯语 - 英语代码切换语音语音识别系统研究

    本研究使用基于 DNN 的混合和 Transformer 的端到端模型构建自动语音识别系统并通过构建系统集成方法来提高识别率，结果表明两种模型相互补充且识别性能都不错。

    Aug, 2021

  • 码 - 语混合话语与语言处理的概述

    本篇论文综述了多语言社区中通用的一种交际现象 —— 语码转换，并且概述了计算机语言处理的方法。同时该文阐述了处理语码转换的语音和自然语言处理在建立智能代理和与多语言社区用户的交互系统中的重要作用，发现语码转换数据和资源的稀缺性，并列出了可利用的各种编码语言对及相应的自然语言处理任务。最后，概述了语码转换在各种语音和自然语言处理应用中的研究，并对该领域的未来方向和问题进行了总结。

    Mar, 2019

  • 基于 Switch Point 的自我训练：重复利用预训练模型用于代码交替

    该论文探讨了码络转换问题，着重分析了多语种模型的性能问题和缺乏已注释数据的问题， 并通过自我训练方法，提出了在利用无标注数据的情况下利用预训练模型解决这些问题的方法。

    Nov, 2021

  • 端到端的语音翻译用于代码切换的语音

    本篇研究关注英语 / 西班牙语对话中出现的代码转换，探讨在语音翻译任务中采用级联和端到端、单向和双向等不同架构的模型表现，得出双向端到端模型表现良好的结论。

    Apr, 2022