Feb, 2024

J-UniMorph: 通过通用特征模式进行日语形态注释

PDF
TL;DR我们介绍了一个基于 UniMorph 特征结构的日语形态学数据集 J-UniMorph，该数据集解决了普遍存在于该语言中的具有凝结性特点的动词形式。相比于从维基词典自动提取的现有日语 UniMorph 子集，J-UniMorph 在每个词中提供了更广泛、更常用的 118 个屈折形式，包括敬语、不同的礼貌水平和其他语言细微差异，突出了日语的独特特点。本文详细介绍了 J-UniMorph 的统计数据和特征，并将其与维基词典版进行了比较。我们公开发布了 J-UniMorph 及其交互式可视化工具，旨在支持跨语言研究和各种应用。
发现论文，激发创造
  • K-UniMorph：韩国通用形态学及其特征模式

    我们为韩语提出了一份新的通用形态学数据集，名为 K-UniMorph，涉及韩语的形态学范例，包括动词结束的语法标准、提取屈折形式的方法和生成形态结构的过程，同时采用了来自 Sylak-Glassman（2015 年）和 Sylak-Glassman（2016 年）的形态特征模式。

    May, 2023

  • UniMorph 4.0: 通用形态学

    这篇论文介绍了近几年在 Universal Morphology 项目中对语言无关的特征模式和注释数据资源的扩展和改进，以及推动对派生形态学的纳入。

    May, 2022

  • UniMorph 2.0: 通用形态学

    该研究介绍了 Universal Morphology UniMorph 项目在收集、标注和发布语言复杂形态学数据和工具方面所取得的进展，旨在改善自然语言处理技术处理全球语言的能力，利用通用标记体系 UniMorph，结合词源及词形态特征，使每个词的形态学信息都能得到充分表达和利用。

    Oct, 2018

  • 通用依赖和通用形态的融合

    研究对比了 Universal Dependencies 和 Universal Morphology 计划，通过提出一种从 Universal Dependencies v2 特征映射到 UniMorph 结构的确定性映射，从而消除了两个项目之间的兼容性问题，并给出了两个注释项目的基础、优势和劣势的关键评估。

    Oct, 2018

  • 多参数的形态重新屈折：一个扩展注释模式和一个格鲁吉亚语案例研究

    本文提出了一种扩展 UniMorph 注释的策略，通过引入分层特征结构解决多重人称协议等语言中的复杂情况。作者将其应用于格鲁吉亚语，并提供了人工验证的其准确性和平衡性。实验表明，这种扩展能显著提高 UniMorph 数据集的涵盖率和可解释性。

    Mar, 2022

  • CoNLL-SIGMORPHON 2017 共享任务：52 种语言的通用形态还原

    该研究以 CoNLL-SIGMORPHON 2017 共享任务为基础，使用监督型形态生成技术在 52 种语言上进行训练和测试，结果表明神经序列到序列模型能够在小训练数据集上取得高性能，但由于不同偏置和数据增强策略导致预测的屈折形式集合不一，因此仍需要进一步的改进措施。

    Jun, 2017

  • CoNLL--SIGMORPHON 2018 共享任务：通用的形态再生成

    CoNLL-SIGMORPHON 2018 shared task focused on supervised learning and morphological generation for over 100 languages, with task 1, inflection task, receiving 27 submissions and task 2, the cloze task, receiving 6 submissions where most systems utilized neural components and improvements were seen from last year's inflection task.

    Oct, 2018

  • 用于评估日语形态分析和词汇规范化的用户生成的文本语料库

    该研究构建了一个公开的 929 句子的日语 UGT 语料库，用于评估和比较不同的 MA/LN 系统，实验结果表明，现有的 MA/LN 方法在非常规词汇和非标准形式方面表现较差，该语料库可作为进一步研究日语 UGT 的基准测试。

    Apr, 2021

  • UzMorphAnalyser: 用词尾进行乌兹别克语言的形态分析模型

    该论文提出了对乌兹别克语词汇进行形态分析、寻找词干、确定词性信息的模型，经过验证和评估后，该模型在词级别的准确度超过了 91%，并且已经以基于 Web 应用程序和开源 Python 库的形式提供。

    May, 2024

  • 神经机器翻译中的日语谓词变化

    本研究提出了一种基于谓词词形变化的日本语 - 英语神经机器翻译方法，将词汇表中各种动词形式压缩为更少的单词，并通过属性词汇信息生成低频词汇和处理未知词汇，有效地压缩词汇表的大小，并在翻译中提高了 BLEU 分数。

    May, 2018