論文の概要: ThaiTrees: Thai Syntactic Dependency Trees Across Domains
- arxiv url: http://arxiv.org/abs/2609.27558v1
- Date: Wed, 23 Sep 2026 08:45:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-25 00:05:17.95714
- Title: ThaiTrees: Thai Syntactic Dependency Trees Across Domains
- Title（参考訳）: タイTrees:タイのシンタクティック依存ツリーをドメイン全体で公開
- Abstract要約: 我々はThaiTreesについて紹介する。ThaiTreesはニュース、ウィキペディア、音声書き起こし、ソーシャルメディアから抜粋された342Mのコーパスだ。
得られたコーパスは文法関係を探索可能とし、構文分布の研究を支援する。
我々は、AIと従来のプログラム解析の両方に適した機械可読フォーマットで周波数レキシコンとCoNLL-Uを解析する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Studying syntactic patterns in naturally occurring language requires a large parsed corpus, but manual annotation is costly and difficult to scale. Thai has a manually annotated dependency treebank for training and evaluating parsers, but lacks a large automatically parsed corpus for quantitative syntactic research. We present ThaiTrees, a 342M-token corpus drawn from news, Wikipedia, spoken transcripts, and social media. We develop a reproducible pipeline for cleaning, processing, and parsing Thai text under the Universal Dependencies framework. The resulting corpus makes grammatical relations searchable and supports the study of syntactic distributions. We release a frequency lexicon and CoNLL-U parses in machine-readable formats suitable for both AI-assisted and conventional programmatic analysis.
- Abstract（参考訳）: 自然発生言語における構文パターンの研究には大きな解析コーパスが必要であるが、手動のアノテーションは高価でスケールが難しい。
タイには手動で注釈付き依存ツリーバンクがあり、パーサーを訓練し評価するが、定量的統語研究のための大規模な自動解析コーパスがない。
我々はThaiTreesについて紹介する。ThaiTreesはニュース、ウィキペディア、音声書き起こし、ソーシャルメディアから抜粋された342Mのコーパスだ。
タイ語テキストのクリーニング,処理,解析を行うための再現可能なパイプラインをUniversal Dependenciesフレームワークで開発する。
得られたコーパスは文法関係を探索可能とし、構文分布の研究を支援する。
我々は、AIと従来のプログラム解析の両方に適した機械可読フォーマットで周波数レキシコンとCoNLL-Uを解析する。
関連論文リスト
- Syntax as a Rosetta Stone: Universal Dependencies for In-Context Coptic Translation [6.070010259231488]
本稿では,コプト語から英語への低リソース機械翻訳を支援する新しい文脈内学習手法を提案する。
本研究の結果から,構文情報だけでは辞書のグルースほど有用ではないが,検索した辞書項目と構文情報を組み合わせることで,モデルサイズ間で大きな利得が得られることがわかった。
論文 参考訳（メタデータ） (2026-04-20T19:07:32Z) - Counting trees: A treebank-driven exploration of syntactic variation in speech and writing across languages [0.0]
我々は、構文構造をデレクシカルな依存(サブ)ツリーとして定義し、音声および記述されたユニバーサル依存ツリーバンクからそれらを抽出する。
各コーパスについて, 構文的在庫の大きさ, 多様性, 分布, その重なり合い, 音声の最も特徴的な構造を解析した。
その結果、どちらの言語でも、音声コーパスは、記述されたコーパスよりも、より多様で多様な構文構造を含まないことが明らかとなった。
論文 参考訳（メタデータ） (2025-05-28T18:43:26Z) - Integrating Supertag Features into Neural Discontinuous Constituent Parsing [0.0]
伝統的な選挙区の見解では、構成要素は隣接した単語で構成されており、ドイツ語のような言語で一般的である。
トランジションベースの構文解析は、大きな注釈付きコーパス上で教師あり学習を用いて生のテキストを入力した木を生成する。
論文 参考訳（メタデータ） (2024-10-11T12:28:26Z) - Urdu Dependency Parsing and Treebank Development: A Syntactic and Morphological Perspective [0.0]
依存関係解析を用いて、ウルドゥー語でニュース記事を分析する。
最良ラベル付き精度(LA)は70%,未ラベル付きアタッチメントスコア(UAS)は84%であった。
論文 参考訳（メタデータ） (2024-06-13T19:30:32Z) - A Corpus for Sentence-level Subjectivity Detection on English News Articles [49.49218203204942]
我々はこのガイドラインを用いて、議論を呼んだ話題に関する英ニュース記事から抽出した638の目的語と411の主観的な文からなるNewsSD-ENGを収集する。
我々のコーパスは、語彙や機械翻訳といった言語固有のツールに頼ることなく、英語で主観的検出を行う方法を舗装している。
論文 参考訳（メタデータ） (2023-05-29T11:54:50Z) - Evaluating the Morphosyntactic Well-formedness of Generated Texts [88.20502652494521]
L'AMBRE – テキストのモルフォシンタク的整形性を評価する指標を提案する。
形態的に豊かな言語に翻訳するシステムのダイアクロニックスタディを通じて,機械翻訳作業におけるメトリックの有効性を示す。
論文 参考訳（メタデータ） (2021-03-30T18:02:58Z) - GATE: Graph Attention Transformer Encoder for Cross-lingual Relation and
Event Extraction [107.8262586956778]
言語に依存しない文表現を学習するために、普遍的な依存解析を伴うグラフ畳み込みネットワーク(GCN)を導入する。
GCNは、長い範囲の依存関係を持つ単語をモデル化するのに苦労する。
そこで本研究では,構文的距離の異なる単語間の依存関係を学習するための自己認識機構を提案する。
論文 参考訳（メタデータ） (2020-10-06T20:30:35Z) - Pareto Probing: Trading Off Accuracy for Complexity [87.09294772742737]
我々は,プローブの複雑性と性能の基本的なトレードオフを反映したプローブ計量について論じる。
係り受け解析による実験により,文脈表現と非文脈表現の統語的知識の幅広いギャップが明らかとなった。
論文 参考訳（メタデータ） (2020-10-05T17:27:31Z) - Constructing a Family Tree of Ten Indo-European Languages with
Delexicalized Cross-linguistic Transfer Patterns [57.86480614673034]
我々は,デレクシカル化転送を,解釈可能なツリー・ツー・ストリングパターンとツリー・ツー・ツリーパターンとして定式化する。
これにより、言語間移動を定量的に探索し、第二言語習得の問い合わせを拡張することができる。
論文 参考訳（メタデータ） (2020-07-17T15:56:54Z) - Fine-Grained Analysis of Cross-Linguistic Syntactic Divergences [18.19093600136057]
並列コーパスから任意の言語対の発散パターンを抽出するフレームワークを提案する。
我々のフレームワークは、言語間の相違の詳細な図を提供し、以前のアプローチを一般化し、完全に自動化することを示します。
論文 参考訳（メタデータ） (2020-05-07T13:05:03Z)
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。