关键词derivational morphology
搜索结果 - 5
- 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。
- 从形态复杂的语言翻译:一种基于释义的方法
提出了一种新颖的机器翻译方法,针对形态复杂的语言,并关注词汇间的对应关系,通过单词、短语和句子级别的复述技术处理潜在的同义词,特别擅长处理派生形态,相较于其他自动评估方法,针对从马来语到英语的翻译任务,显著提升了翻译结果的质量。
- EMNLP内部 - 外部的形态分割
本文介绍了一种较为新的基于语境的、具有层级结构的标注模型,此模型结合形态分析和词汇造形中的拼写变化,有别于传统的非层级结构模型,并发布了一个包含 7454 个英语单词的标注树库,期望此成果能促进该领域的后续研究。
- EMNLP派生形态的范式完成
本研究应用神经序列到序列模型解决 NLP 中复杂词形派生问题,并介绍派生范式完成任务。基于优于非神经基准线 16.4% 的结果,我们的神经模型学会了各种派生模式。但是,由于派生性构词涉及语义、历史和词汇考虑,因此未来需要更多工作来实现和生成 - 上下文敏感派生词形预测
本文提出了一种新的任务:预测给定上下文相关基本形式的派生形式,通过使用基于字符级表示的基本形式和上下文来作为输入,通过 encoder—decoder 风格的神经网络,生成逐字符产生的派生形式。该模型能够从已知的基本形式中生成有效的上下文敏