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

Abstract : 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:
Liste complète des métadonnées

Littérature citée [27 références]  Voir  Masquer  Télécharger

https://hal.archives-ouvertes.fr/hal-01722243
Contributeur : Thierry Poibeau <>
Soumis le : samedi 3 mars 2018 - 14:47:14
Dernière modification le : jeudi 9 août 2018 - 21:19:15
Document(s) archivé(s) le : lundi 4 juin 2018 - 15:38:27

Fichier

W18-0201.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-01722243, version 1

Collections

Citation

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. ACL, pp.1 - 17, 2018, 〈aclweb.org/anthology/W18-0200〉. 〈hal-01722243〉

Partager

Métriques

Consultations de la notice

322

Téléchargements de fichiers

86