Apr, 2022

为 Magahi 和 Braj 开发通用依存树库

PDF
TL;DR本文介绍了基于通用依存关系框架为 Magahi 和 Braj 两种低资源印度语言开发的 treebanks，包含 945 个 Magahi 句子和约 500 个 Braj 句子，标注他们的词形、词性、形态学特征和通用依存关系，描述了这两种语言中不同的依存关系，并提供了两个 treebanks 的统计数据。数据集将在下一个 (v2.10) 版本的通用依存库中公开。
发现论文，激发创造
  • 奥里亚语通用依存树库

    本文提供第一个公开的 Odia 语言树库，并使用机器学习技术对其进行了形态分析。该树库将丰富 Odia 语言资源，有助于建立跨语言学习和分类研究的语言技术工具。本文还构建了一个初步的 Odia 语言分析器，并对 Odia 的 UD 树库进行了简要的语言分析。

    May, 2022

  • 通用依存关系 v2：一个不断增长的多语言树库集合

    该研究介绍了 Universal Dependencies 的第二个版本，其中包括词汇分析、词形还原、标准化标记和句法关系，适用于 90 种语言，以及主要变化（UD v1 到 UD v2）的讨论。

    Apr, 2020

  • 泰国通用依赖树库

    本研究通过引入泰语通用依存树库（TUD）解决了自动依存解析泰语句子的问题，并通过将预训练的 transformer 作为编码器来训练泰语依存解析模型，在评估结果中表明大多数模型能够胜过前期研究中的其他模型，为泰语依存解析器的最佳组件选择提供了见解，并将实验中的新树库和每个模型的完整预测结果在 GitHub 上进行了共享。

    May, 2024

  • 82 个树库，34 个模型：多树库模型实现通用依存句法分析

    介绍了 Uppsala 系统，它是一个由三个部分构成的流水线，可以用于 CoNLL 2018 共享任务的普遍依赖语法分析。通过使用多个树库对同一语言或密切相关语言训练模型，我们极大地减少了模型数量，最终在公开测试上获得了 LAS 和 MLAS 指标的第 7 位排名以及词分割、普遍 POS 标签和形态特征的最高分。

    Sep, 2018

  • 印度低资源语言的带注释语音语料库：Awadhi、Bhojpuri、Braj 和 Magahi

    本文介绍我们正在进行的工作，使用语言学数据收集的领域方法，为四种资源匮乏的印度 - 雅利安语言 —— 阿瓦德语、博杰普尔语、布拉杰语和马加希语开发语音语料库。我们还讨论了这些语言的数据收集方法，大部分是在 COVID-19 疫情期间进行的，目的之一是为讲这些语言的低收入群体提供额外的收入来源，并讨论了这些语言的自动语音识别系统的基线实验结果。

    Jun, 2022

  • MaiBaam：一个多方言的巴伐利亚通用依存树库

    我们提出了第一个多方言巴伐利亚树库（MaiBaam），通过 UD 手动标注了词性和句法依赖信息，涵盖多个文本流派，突出了巴伐利亚语和德语之间的形态句法差异，并展示了说话者拼写的丰富变化。我们的语料库包括 15k 个标记，涵盖了三个国家 Bavarian-speaking 区域的方言。我们提供了基准解析和词性标注结果，并公开了我们的数据集、语言特定的指南和代码，以支持进一步的巴伐利亚语法研究。

    Mar, 2024

  • 非正式波斯通用依存树库

    探讨波斯语（Persian）的正式形式和非正式形式之间的音韵、形态和句法区别，提出正式形式的树库在计算模型转换到非正式形式表现糟糕的问题，并开发了基于通用依赖理论的非正式波斯语树库，研究表明现有依赖树库训练的依存分析器在跨越两个领域时表现不佳，而非正式形式的语言的独特特征更容易出现错误。

    Jan, 2022

  • 在课堂中建立濒危语言资源：Kakataibo 的通用依赖

    本文介绍了一种用于已濒危语言 ——Kakataibo 建立 Universal Dependencies treebank 的方法。作者采用合作式的方法，先讨论了此举的可行性，然后介绍了 treebank 的说明和特征，并对语料库进行了研究和实验，实现了词性标记和句法依存分析等功能。作者还探讨了 Shipibo-Konibo 语言表征对该树库的影响。

    Jun, 2022

  • 银河依赖树库：通过合成新语言获得更多数据

    我们发布了 Galactic Dependencies 1.0，这是一个大型的合成语言集，旨在为旨在适应不熟悉的语言的 NLP 方法提供训练和开发数据。这些合成树库是通过随机排列名词和 / 或动词的从属语以匹配其他真实语言的词序从真实树库产生的。我们在论文中讨论了合成语言的有用性，逼真度，可解析性，困惑度和多样性，并进行了使用 Galactic Dependencies 的简单演示。我们发现，包括合成源语言会在一定程度上增加源池的多样性，这显著提高了大多数目标语言的结果。

    Oct, 2017

  • 通过通用依存语法镜头观察德拉维达语系

    该研究论文探讨了通用依存分析项目的跨语言一致性依存标注，以及针对达拉维安语系的形态和句法特征如何在通用依存分析框架中进行标注。

    Jun, 2024