【自然语言处理】开源 | Morphology Matters：多语言建模分析，减少语言形态对语言建模的影响！

论文地址： https://arxiv.org/pdf/2012.06262.pdf

代码： 公众号回复：09110502826

来源： 伊利诺伊大学, 卡耐基梅隆大学, 约翰霍普金斯大学

论文名称：Morphology Matters A Multilingual Language Modeling Analysis

原文作者：Hyunji Hayley Park

内容提要

先前的多语言语言建模研究在词尾变化形态学是否使语言更难建模的问题上存在分歧。我们试图解决分歧并扩展这些研究。我们编制了92种语言145种《圣经》译本的大型语料库和大量的类型学特征。我们填补了几种语言缺失的类型学数据，并考虑了基于语料库的形态复杂性度量，以及专家产生的类型学特征。我们发现，当用BPE分割数据训练LSTM模型时，几个形态学测量值与较高的surprisal显著相关。我们还研究了基于语言动机的分词策略，如Morfessor和FiniteState Transducers (FSTs)，并发现这些分词策略具有更好的性能，并减少了语言形态对语言建模的影响。

主要框架及实验结果

声明：文章来自于网络，仅用于学习分享，版权归原作者所有，侵权请联系删除。