Mar, 2024

儿童保育者对话中的语法准确性自动标注

PDF
TL;DR通过自动标注工具对上千个关于儿童和照顾者对话的语料进行了上下文相关语法的编码和标注，并通过训练和评估一系列基于 Transformer 的 NLP 模型表明，在儿童语法中，细调的 Transformer 模型表现最佳，达到了人类间标注一致性水平，从而在研究儿童语言习得方面应用了现有最先进的 NLP 方法。
发现论文，激发创造
  • 基于数据的儿童 - 家长互动解析评估

    本研究提出了一个语法依存树库，用于儿童自然语言的注释和研究，分析了写作和口语之间的语言特征并探讨了儿童语言发展与句法分析器性能的关系。

    Sep, 2022

  • 实时学习生成并修复语言

    在这篇论文中，我们使用先前学习的动态句法语法和 CHILDES 语料库开发、训练和评估了一个概率模型，该模型用于增量生成，其中模型的输入是纯语义生成目标概念（TTR）。我们证明了该模型的输出与黄金候选项的准确匹配率为 78％，ROUGE-l 评分为 0.86。我们进一步对同一模型在生成目标在发话过程中发生变化时产生自我修复的能力进行了零次评估。自动评估显示模型能够在 85％的情况下正确生成自我修复。小规模的人工评估确认了生成的自我修复的自然性和语法性。总体而言，这些结果进一步突显了基于语法的模型的泛化能力，并为更可控和自然交互的对话型人工智能系统奠定了基础。

    Aug, 2023

  • 面向目标的语法评估语言模型

    该研究提出了使用一个语言模型预测的句子的语法正确性来评估该模型的数据集。实验结果表明，在众多句子变体中，LSTM 语言模型的准确性较差，而使用句法目标的多任务训练可以提高模型的准确性，但模型仍存在较大的进步空间。

    Aug, 2018

  • 自动提取语法知识对 L2 语言学习的教师感知

    本研究介绍了一个自动框架，旨在通过自动发现和可视化语法的不同方面来促进语言教学，其中从自然语料库中提取描述单词排序、一致性、语法标记或词形成及词汇学习的描述，并显示例证。作者在印度语言 Kannada 和 Marathi 上应用此方法，以评估其实用性，并邀请北美的语言教育家对这些语言进行手动评估。教师们认为这些材料有趣，可以用作自己的课程准备或学习者评估的参考资料。

    Jun, 2022

  • L2 语言学习的自动提取语法概念的教师感知

    通过自动发现和可视化语法描述，本研究旨在帮助语言教育专家自动创建材料，以便教授印度语言中的语法和语义知识。

    Oct, 2023

  • 从大型（未标注）语料库中学习语言

    本研究介绍了一种新的全自动、无监督的从大型文本语料库中提取依赖语法和相关语法到语义关系映射的方法，若成功，该方法将使得直接从大型未注释语料库中挖掘出用于自然语言理解和生成的所有信息成为可能。

    Jan, 2014

  • 使用 LLM 辅助标注进行语料库语言学研究：本地语法分析的案例研究

    本研究旨在探索大型语言模型（LLMs）在语料库语言学研究中自动标注文本的潜力，证明了使用 Bing 聊天机器人进行标注的性能优于使用 ChatGPT 或人工标注，并建议 LLM 辅助标注是一种有前途的语料库研究自动化方法。

    May, 2023

  • 句法依赖注释差异的自动更正

    本文提出了一种用于自动检测依赖解析语料库中注释不匹配的方法，以及三种自动转换注释不匹配的方法，并通过重新训练两种依赖解析器的实验证明应用这些方法可以明显地提高性能。

    Jan, 2022

  • 能否自动化分析在线儿童性剥削话语？

    通过心理学理论标记儿童色情犯罪者的对话行为，使用自动化与基于自然语言推理的模型代替领域专家来识别谈话行为

    Sep, 2022

  • 谁说了什么？幼儿园课堂言语分析的自动化方法

    幼儿在嘈杂的幼儿园教室中度过相当一部分清醒时间。本研究提出了一种使用开源软件的自动框架，通过儿童和教师佩戴的录音设备来分类说话者并进行转录，结果显示进行自动化的识别和转录教师和儿童言语的准确性较高，并对课堂言语进行分析可能有助于儿童语言发展。未来计划使用自然语言处理改进说话者分类，并分析应用自动化框架到大型数据集中的结果。

    Jan, 2024