論文の概要: Automatic Language Identification for Celtic Texts

• arxiv url: http://arxiv.org/abs/2203.04831v1
• Date: Wed, 9 Mar 2022 16:04:13 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-10 14:21:03.552141
• Title: Automatic Language Identification for Celtic Texts
• Title（参考訳）: ケルト語テキストの自動言語識別
• Authors: Olha Dovbnia, Anna Wr\'oblewska
• Abstract要約: この研究は、ケルト語族を例に、関連する低リソース言語の識別に対処する。 アイルランド語、スコットランド語、ウェールズ語、英語のレコードを含む新しいデータセットを収集しました。 我々は、クラスタリング、オートエンコーダ、トピックモデリングメソッドの出力と並行して、従来の統計的特徴を持つSVMやニューラルネットワークなどの教師付きモデルをテストする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Language identification is an important Natural Language Processing task. It has been thoroughly researched in the literature. However, some issues are still open. This work addresses the identification of the related low-resource languages on the example of the Celtic language family. This work's main goals were: (1) to collect the dataset of three Celtic languages; (2) to prepare a method to identify the languages from the Celtic family, i.e. to train a successful classification model; (3) to evaluate the influence of different feature extraction methods, and explore the applicability of the unsupervised models as a feature extraction technique; (4) to experiment with the unsupervised feature extraction on a reduced annotated set. We collected a new dataset including Irish, Scottish, Welsh and English records. We tested supervised models such as SVM and neural networks with traditional statistical features alongside the output of clustering, autoencoder, and topic modelling methods. The analysis showed that the unsupervised features could serve as a valuable extension to the n-gram feature vectors. It led to an improvement in performance for more entangled classes. The best model achieved a 98\% F1 score and 97\% MCC. The dense neural network consistently outperformed the SVM model. The low-resource languages are also challenging due to the scarcity of available annotated training data. This work evaluated the performance of the classifiers using the unsupervised feature extraction on the reduced labelled dataset to handle this issue. The results uncovered that the unsupervised feature vectors are more robust to the labelled set reduction. Therefore, they proved to help achieve comparable classification performance with much less labelled data.
• Abstract（参考訳）: 言語識別は、重要な自然言語処理タスクである。 文学で徹底的に研究されている。 しかし、いくつかの問題は未解決である。 この研究は、ケルト語族を例に、関連する低リソース言語の識別に対処する。 本研究の目的は,(1)セルティック語のデータセットを収集すること,(2)セルティック語族から言語を識別する方法,すなわち分類モデルの訓練を成功させる方法,(3)異なる特徴抽出方法の影響を評価し,特徴抽出手法として教師なしモデルの適用可能性を検討すること,(4)教師なし特徴抽出を少ない注釈付き集合で実験することであった。 アイルランド、スコットランド、ウェールズ、イギリスの記録を含む新しいデータセットを収集しました。 我々は,クラスタリング,オートエンコーダ,トピックモデリング手法の出力と並行して,従来の統計的特徴を持つsvmやニューラルネットワークなどの教師付きモデルをテストした。 解析の結果、教師なし特徴はn-gram特徴ベクトルへの価値ある拡張として役立つことが示された。 これにより、より絡み合ったクラスのパフォーマンスが向上した。 最高のモデルは98\%のF1スコアと97\%のMCCを達成した。 ニューラルネットワークはSVMモデルよりも一貫して優れていた。 利用可能なアノテートトレーニングデータが不足しているため、低リソース言語も難しい。 この課題に対処するためにラベル付きデータセットの教師なし特徴抽出を用いて分類器の性能を評価した。 その結果、教師なし特徴ベクトルはラベル付き集合還元よりも頑健であることが判明した。 そのため、ラベル付きデータの少ない分類性能を実現するのに役立った。

関連論文リスト

• Co-training for Low Resource Scientific Natural Language Inference [65.37685198688538]
  遠隔教師付きラベルに分類器のトレーニング力学に基づいて重みを割り当てる新しいコトレーニング手法を提案する。 予測された信頼度に対する任意のしきい値に基づいてサンプルをフィルタリングするのではなく、重要重みを割り当てることにより、自動ラベル付きデータの使用を最大化する。 提案手法は、遠隔監視ベースラインに対するマクロF1の1.5%の改善と、他の強力なSSLベースラインよりも大幅に改善されている。
  論文  参考訳（メタデータ） (2024-06-20T18:35:47Z)
• XAL: EXplainable Active Learning Makes Classifiers Better Low-resource Learners [71.8257151788923]
  低リソーステキスト分類のための新しい説明可能なアクティブラーニングフレームワーク(XAL)を提案する。 XALは分類器に対して、推論を正当化し、合理的な説明ができないラベルのないデータを掘り下げることを推奨している。 6つのデータセットの実験では、XALは9つの強いベースラインに対して一貫した改善を達成している。
  論文  参考訳（メタデータ） (2023-10-09T08:07:04Z)
• A deep Natural Language Inference predictor without language-specific training data [44.26507854087991]
  本研究では,言語固有の訓練データセットを使わずに,目的言語における文のペア間の推論関係(NLI)に対処するためのNLP手法を提案する。 我々は、同じトレーニング済みモデルの2つのインスタンスとともに、手動で翻訳される汎用翻訳データセットを利用する。 このモデルは、機械翻訳Stanford NLIテストデータセット、機械翻訳Multi-Genre NLIテストデータセット、手動翻訳RTE3-ITAテストデータセットで評価されている。
  論文  参考訳（メタデータ） (2023-09-06T10:20:59Z)
• Enhancing Pashto Text Classification using Language Processing Techniques for Single And Multi-Label Analysis [0.0]
  本研究では,Pashtoテキストの自動分類システムの構築を目的とする。 平均テスト精度は94%だった。 DistilBERTのような事前訓練された言語表現モデルの使用は、有望な結果を示した。
  論文  参考訳（メタデータ） (2023-05-04T23:11:31Z)
• Ensemble Transfer Learning for Multilingual Coreference Resolution [60.409789753164944]
  非英語で作業する場合に頻繁に発生する問題は、注釈付きトレーニングデータの不足である。 我々は,様々なトランスファー学習技術を組み合わせた,シンプルだが効果的なアンサンブルベースのフレームワークを設計する。 また、ウィキペディアアンカーテキストを利用して、コア参照解決モデルをブートストラップする低コストのTL手法を提案する。
  論文  参考訳（メタデータ） (2023-01-22T18:22:55Z)
• Finding Dataset Shortcuts with Grammar Induction [85.47127659108637]
  我々は,NLPデータセットのショートカットの特徴付けと発見に確率文法を用いることを提案する。 具体的には、文脈自由文法を用いて文分類データセットのパターンをモデル化し、同期文脈自由文法を用いて文ペアを含むデータセットをモデル化する。 その結果得られた文法は、単純かつ高レベルの機能を含む、多くのデータセットで興味深いショートカット機能を示す。
  論文  参考訳（メタデータ） (2022-10-20T19:54:11Z)
• Revisiting Self-Training for Few-Shot Learning of Language Model [61.173976954360334]
  ラベル付きデータにはタスク関連情報が豊富に含まれており、言語モデルの素早い学習に有用であることが証明されている。 本研究では,言語モデルファインチューニングのための自己学習手法を再検討し,最先端のプロンプトベースの少ショット学習者,SFLMを提案する。
  論文  参考訳（メタデータ） (2021-10-04T08:51:36Z)
• Recognition and Processing of NATOM [0.0]
  本稿では,民間航空分野におけるNOTAM(Notice to Airmen)データの処理方法について述べる。 NOTAMのオリジナルのデータには、中国語と英語の混合があり、構造は貧弱です。 グローブワードベクターメソッドを使用して、カスタムマッピング語彙を使用するデータを表現する。
  論文  参考訳（メタデータ） (2021-04-29T10:12:00Z)
• Parameter Space Factorization for Zero-Shot Learning across Tasks and Languages [112.65994041398481]
  本稿では,ニューラルパラメータの空間に対するベイズ生成モデルを提案する。 タスク言語の組み合わせから得られたデータに基づいて、そのような潜伏変数よりも後部を推測する。 我々のモデルは、最先端のゼロショットの言語間転送手法よりも、同等か良い結果が得られる。
  論文  参考訳（メタデータ） (2020-01-30T16:58:56Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。