論文の概要: Meet UD_Czech-PDTC: A Large and Genre-Rich Treebank in Universal Dependencies

• arxiv url: http://arxiv.org/abs/2606.24337v1
• Date: Tue, 23 Jun 2026 09:22:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-24 22:16:48.859035
• Title: Meet UD_Czech-PDTC: A Large and Genre-Rich Treebank in Universal Dependencies
• Title（参考訳）: UD_Czech-PDTC:Universal Dependenciesにおける大規模かつ汎用的なツリーバンク
• Authors: Marie Mikulová, Barbora Štěpánková, Daniel Zeman, Jan Štěpánek, Milan Straka, Jan Hajič,
• Abstract要約: 2015年の最初のリリース以来、チェコはユニバーサル依存の一部となっている。 プラハ家の他の3つのデータセットが追加され、アノテーションが徹底的に改訂され、"Prague Dependency Treebank-Consolidated"(PDT-C)が形成される。 オリジナルのPDTと比較すると、PDT-Cは2倍以上の大きさであるが、ジャンルやドメインに関してもはるかに多様である。
• 参考スコア（独自算出の注目度）: 1.8103484648382162
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Czech has been part of Universal Dependencies since its first release in 2015. It has also been one of the best represented languages, with the Prague Dependency Treebank being order of magnitude larger than most other UD treebanks. More recently, three other datasets from the Prague family were added and the annotations thoroughly revisited, forming the "Prague Dependency Treebank-Consolidated" (PDT-C). In comparison to the original PDT, PDT-C is more than twice as large, but it is also much more diverse in terms of genres and domains. In this paper, we describe the conversion of the new resource to Universal Dependencies. While the two annotation schemes are relatively similar at the first sight, there are numerous small differences in topology of the dependency structures and in granularity of the POS and relation type inventories. We demonstrate a selection of such differences on examples, discuss the diverging motivations, as well as ways to overcome the differences during conversion. We argue that while PDT is less "universal" and more tightly bound to one language, its multi-layer annotation is rich and provides all information needed for basic UD trees, and much more.
• Abstract（参考訳）: 2015年の最初のリリース以来、チェコはユニバーサル依存の一部となっている。 また、最も優れた言語の一つであり、プラハ依存ツリーバンクは他のUDツリーバンクよりも桁違いに大きい。 最近では、プラハファミリーの他の3つのデータセットが追加され、アノテーションが徹底的に改訂され、"Prague Dependency Treebank-Consolidated"(PDT-C)が作られた。 オリジナルのPDTと比較すると、PDT-Cは2倍以上の大きさであるが、ジャンルやドメインに関してもはるかに多様である。 本稿では,新たな資源のユニバーサル依存への変換について述べる。 2つのアノテーションスキームは一見すると比較的似ているが、依存構造のトポロジーとPOSと関係型在庫の粒度には多くの小さな違いがある。 このような違いの選択を例に示すとともに、モチベーションの多様化や、変換時の差を克服する方法について論じる。 PDTはより"普遍的"で、ひとつの言語に強く結びついているが、その多層アノテーションは豊富であり、基本的なUDツリーに必要な情報を提供しています。

関連論文リスト

• Prague Dependency Treebank -- Consolidated 2.0: Enriching a Complex Annotation Scheme [1.6201657731386814]
  Prague Dependency Treebankフレームワークは、異なる言語層を体系的に含み、リンクしようとする試みにおいてユニークなものである。 PDT-C 2.0 は、チェコ語のトークン言語リソースとして、均一で一貫した注釈付き、ジャンルの多様性のある、約400万のトークン言語リソースに、リソースの持続的な開発を30年近く継続するプロジェクトである、と結論付けている。
  論文  参考訳（メタデータ） (2026-06-23T08:59:38Z)
• MaiBaam: A Multi-Dialectal Bavarian Universal Dependency Treebank [56.810282574817414]
  We present the first multi-dialect Bavarian treebank (MaiBaam) based with part-of-speech and syntactic dependency information in Universal Dependencies (UD)。 我々は、近縁なバイエルン語とドイツ語のモルフォシンタクティックな相違を強調し、話者の正書法の豊富な多様性を示す。 私たちのコーパスには15kのトークンが含まれており、3つの国にまたがるバイエルン語を話すすべての地域の方言をカバーしています。
  論文  参考訳（メタデータ） (2024-03-15T13:33:10Z)
• Exploring Anisotropy and Outliers in Multilingual Language Models for Cross-Lingual Semantic Sentence Similarity [64.18762301574954]
  これまでの研究によると、文脈言語モデルによって出力される表現は静的な型埋め込みよりも異方性が高い。 これは単言語モデルと多言語モデルの両方に当てはまるように思われるが、多言語コンテキストでの作業はあまり行われていない。 複数の事前訓練された多言語言語モデルにおける外乱次元とその異方性との関係について検討する。
  論文  参考訳（メタデータ） (2023-06-01T09:01:48Z)
• UniMorph 4.0: Universal Morphology [104.69846084893298]
  本稿は,過去2年間のいくつかの前線における展開と改善について述べる。 多くの言語学者による共同作業により、30の絶滅危惧言語を含む67の新しい言語が追加された。 前回のUniMorphリリースに合わせて,16言語で形態素セグメンテーションを施したデータベースも拡張した。
  論文  参考訳（メタデータ） (2022-05-07T09:19:02Z)
• Developing Universal Dependency Treebanks for Magahi and Braj [0.7349727826230861]
  本稿では、マガヒ語とブラージュ語という2つの低リソースのインドの言語のためのツリーバンクの開発について論じる。 マガヒの木バンクには945の文と500の文からなるブラージュの木バンクがあり、その補題、部分音声、形態的特徴、普遍的な依存関係が特徴である。
  論文  参考訳（メタデータ） (2022-04-26T23:43:41Z)
• Linguistic dependencies and statistical dependence [76.89273585568084]
  文脈における単語の確率を推定するために,事前学習した言語モデルを用いる。 最大CPMI木は非文脈PMI推定値から抽出した木よりも言語的依存関係によく対応していることがわかった。
  論文  参考訳（メタデータ） (2021-04-18T02:43:37Z)
• Prague Dependency Treebank -- Consolidated 1.0 [1.7147127043116672]
  Prague Dependency Treebank-Consolidated 1.0 (PDT-C 1.0) PDT-C 1.0はチェコの4つの異なるデータセットを含み、標準のPDTスキームで一様に注釈付けされている。 ツリーバンクには、その形態的、表面的、そして深い構文的アノテーションを含む約180,000の文が含まれている。
  論文  参考訳（メタデータ） (2020-06-05T20:52:55Z)
• Universal Dependencies v2: An Evergrowing Multilingual Treebank Collection [33.86322085911299]
  Universal Dependenciesは、多くの言語に対して言語横断的に一貫性のあるツリーバンクアノテーションを作成するためのオープンコミュニティの取り組みである。 ガイドライン(UD v2)のバージョン2を説明し、UD v1からUD v2への大きな変更について論じ、現在90言語で利用可能なツリーバンクについて概説する。
  論文  参考訳（メタデータ） (2020-04-22T15:38:18Z)

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。