May, 2022

奥里亚语通用依存树库

PDF
TL;DR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。
odiatreebankmachine learninglinguistic analysislanguage technology
发现论文，激发创造
  • 为 Magahi 和 Braj 开发通用依存树库

    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。

    Apr, 2022

  • 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

  • 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

  • 基于统计和深度学习的奥迪亚语词性标注

    本文介绍了基于条件随机场和深度学习的方法开发 Odia 词性标注器。通过实验，发现使用带字符序列特征和预训练词向量的 bi-LSTM 模型可以达到显著的最新成果。

    Jul, 2022

  • ThamizhiUDp：泰米尔语依存句法分析器

    本论文介绍了我们如何开发一种基于神经网络的依存解析器，即 ThamizhiUDp，它使用统一依存形式为 Tamil 文本提供完整的依存解析管道。我们考虑了依存解析管道的各个阶段并确定了每个阶段的工具和资源，以提高准确性和解决数据稀缺性等问题。ThamizhiUDp 使用了多语言训练和各种工具和资源，包括 Stanford 解析器、ThamizhiPOSt、ThamizhiMorph 和 uuparser，其表现优于当前取得的 Tamil 语言解析最佳结果

    Dec, 2020

  • 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

  • 构建奥迪亚浅层解析器

    本文旨在为 shallow parsing 构建 Odia 语言的 pos 标记和 chunk 标记标注语料库，并开发出针对该语言的基线系统。

    Apr, 2022

  • 学习者英语的通用依存关系

    TLE 是第一个提供公开的英语为第二语言的句法树库，它为来自剑桥英语第一证书（FCE）语料库的 5,124 个句子提供了手动注释的 POS 标签和通用依赖（UD）树。该树库可用于支持广泛的第二语言习得领域和自动处理不流畅语言的计算机研究。

    May, 2016

  • 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

  • 75 种语言，1 个模型：通用依存关系的全球解析

    UDify 是一个多语言多任务模型，可以准确预测 75 种语言中 124 个通用依赖树库的通用词性、形态特征、词形和依赖树，无需任何循环或语言特定组件，并且在跨语言注释方面对低资源语言起到关键作用，并且可以进行零 - shot 学习。

    Apr, 2019