CSSL: Dependency Parsing for Low-Resource Languages with Rich Morphology and Relatively Free Word Order Using Contrastive Self-Supervised Learning

💡 原文英文,约100词,阅读约需1分钟。
📝

内容提要

本研究通过对比自监督学习方法,改进数据增强和去除位置编码,提升了形态丰富、词序自由的低资源语言的依存句法分析性能。在7种语言中,UAS/LAS评分平均提高3.03/2.95分,验证了方法的有效性。

🎯

关键要点

  • 本研究旨在提升形态丰富且词序自由的低资源语言的依存句法分析性能。
  • 提出了对比自监督学习方法,并对数据增强和位置编码进行了关键修改。
  • 显著提高了模型对词序变动的鲁棒性。
  • 在7种语言中,UAS/LAS评分平均提升了3.03/2.95分,验证了方法的有效性。
➡️

继续阅读