EMNLPOct, 2020

SIGTYP 2020 共享任务：语言类型特征预测

PDF
TL;DR本篇论文介绍了如何通过预测语言的语言学特征来填充 typological knowledge bases。该任务吸引了 5 支团队的 8 个提交，在最强大的系统中，特征相关性得到了应用。然而，该研究的错误分析表明，即使在一些语言的特征不确定时，即使是最优秀的系统也难以准确地预测特征值。
typological knowledge baseswalslinguistic propertiessparse annotationspredicting typological features
发现论文，激发创造
  • 从文本中推断语言类型学特征：推理《世界语言结构地图》的稀疏特征

    本文提出一种利用多语种文本预测 World Atlas of Language Structures（WALS）特征的方法，使用基于字节嵌入和卷积层构建的循环神经网络预测器，通过在 556 种语言上的测试表明一些各种语言类型的特征是可靠预测的

    Apr, 2020

  • 使用语言嵌入和条件概率预测《WALS》中的类型学特征：ÚFAL 提交给 SIGTYP 2020 共享任务

    我们使用基于 WALS 数据库的受限系统来预测语言类型学特征，探究了两种方法：内在于语言的特征值的相关性的计算，和基于 WALS 特征的语言嵌入预测器的训练。我们提交的系统结合了这两种方法的自我估计的置信度得分，并在测试数据上达到了 70.7％的准确度，排名该共享任务的第一名。

    Oct, 2020

  • 自然语言处理中语言类型数据库的过去、现在和未来

    在发展自然语言处理模型中，特质信息对于低资源语言尤为重要，目前存在的大规模特质数据库在彼此之间和与其他特质信息源（如语言语法）之间存在不一致性，我们通过系统地研究不同特质数据库和资源的不一致性及其在自然语言处理中的用途，旨在为解决这个问题提供启示，同时提出连续视角的特质特征具有重要的潜力，建议从语言学的角度加以推广，认为在低资源语境下的语言建模中，这种特质视角具有重要的应用前景。

    Oct, 2023

  • 从音韵学到句法：利用语言嵌入进行不同层次的无监督语言类型学研究

    我们学习了分布式语言表述的方法，可以用来预测语言在不同类型水平和 NLP 模型中的相似性，进而预测 WALS 中的语言类型特征。

    Feb, 2018

  • 类型盲是否会阻碍跨语言共享？

    通过跨语言模型中学习潜在权重来实现按语言共享特征，并利用语言类型化信息来弥合高、低资源语言之间的性能差距。

    Jan, 2021

  • 为类型预测学习语言表示

    利用 1017 种语言构建一个神经机器翻译系统，预测存在于语分类数据库中缺失的语言特征，实验表明该方法不仅能推测句法特征，还能推测音位、音库特征。

    Jul, 2017

  • 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

  • NEMO: SIGTYP 2020 共享任务中基于约束的语言类型学特征预测的频率主义推断方法

    论文描述了 NEMO 如何使用 WALS 的数据来预测多种语言的语言类型学特征，通过频率推断来表示这些特征之间的相关性，并使用表示来训练简单的多类别估计器预测特定特征。该研究提交了两个基于岭回归的配置，并在这项任务中排名第二和第三。最佳配置在 149 个测试语言中实现了 0.66 的微平均精度得分。

    Oct, 2020

  • 自然语言处理中类型学信息使用调查

    本文系统地调查了现有的语言类型学资源及其在自然语言处理中的应用，旨在促进该领域未来的研究和发展。

    Oct, 2016

  • 对数百种语言进行句法规律分类

    本文介绍了用于扩展语言资源的分类方法，比较了 WALS 的六个句法规则在 325 种语言中的分类效果。我们发现在使用 propagating 大多数标签的方法中，结合形态学和语言特征的逻辑回归模型的分类效果最好。

    Mar, 2016