Dependency Parsing of Code-Switching Data with Cross-Lingual Feature Representations - Université Sorbonne Paris Cité Accéder directement au contenu
Communication Dans Un Congrès Année : 2018

Dependency Parsing of Code-Switching Data with Cross-Lingual Feature Representations

Résumé

This paper describes the test of a dependency parsing method which is based on bidirectional LSTM feature representations and multilingual word embedding, and evaluates the results on mono-and multilingual data. The results are similar in all cases, with a slightly better results achieved using multilingual data. The languages under investigation are Komi-Zyrian and Russian. Examination of the results by relation type shows that some language specific constructions are correctly recognized even when they appear in naturally occurring code-switching data. Tiivistelmä Tutkimus arvioi dependenssianalyysin menetelmää, joka perustuu kaksisuun-taiseen LSTM-piirrerepresentaatioon ja monikieliseen 'word embedding'-malliin, sekä arvioi tuloksia yksi-ja monikielisissä aineistoissa. Tulokset ovat samanta-paisia, mutta hieman korkeampia moni-kuin yksikielisissä aineistoissa. Tutkitut kielet ovat komisyrjääni ja venäjä. Tulosten yksityiskohtaisempi analyysi riippu-vuuksien mukaan osoittaa, että tietyt kielikohtaiset suhteet on tunnistettu oikein jopa niiden esiintyessä luonnollisissa koodinvaihtoa sisältävissä lauseissa. This work is licensed under a Creative Commons Attribution 4.0 International Licence. Licence details:
Fichier principal
Vignette du fichier
W18-0201.pdf (228.34 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

hal-01722243 , version 1 (03-03-2018)

Identifiants

  • HAL Id : hal-01722243 , version 1

Citer

Niko Partanen, Kyungtae Lim, Michael Riessler, Thierry Poibeau. Dependency Parsing of Code-Switching Data with Cross-Lingual Feature Representations. International Workshop on Computational Linguistics for Uralic Languages, Jan 2018, Helsinki, Finland. pp.1 - 17. ⟨hal-01722243⟩
310 Consultations
249 Téléchargements

Partager

Gmail Facebook X LinkedIn More