基于预训练多语言模型的多词表达的标记级识别

拉古拉曼·斯瓦米纳坦,保罗·库克

摘要
在本文中，我们考虑了新的跨语言环境，用于多词表达（MWE）识别（Ramisch等人，2020年）和惯用性预测（Tayyar Madabushi等人，2022年），在这些环境中，系统将在训练期间看不到的语言上进行测试。我们的研究结果表明，经过预训练的多语种语言模型能够学习关于MWE和非特定语言的惯用语的知识。此外，我们发现其他语言的训练数据可以用于改进单语模型。
选集ID：
2023年mwe-1.1
体积：
第19届多词表达研讨会论文集（MWE 2023）
月份：
五月
年份：
2023
地址：
克罗地亚杜布罗夫尼克
编辑：
阿奇纳·巴蒂亚,基利安·埃文,马科斯·加西亚,沃拉·乔利,李凤·韩,湿婆-塔斯利米普尔
地点：
MWE公司
SIG公司：
SIGLEX公司
出版商：
计算语言学协会
注：
页：
1–6
语言：
网址：
https://aclantology.org/2023.mwe-1.1
内政部：
10.18653/v1/2023.mwe-1.1
比比键：
引用（ACL）：
Raghuraman Swaminathan和Paul Cook。2023基于预训练多语言模型的多词表达的标记级识别.英寸第19届多词表达研讨会会议记录（MWE 2023），第1-6页，克罗地亚杜布罗夫尼克。计算语言学协会。
引用（非正式）：
基于预训练多语言模型的多词表达的标记级识别（Swaminathan&Cook，MWE 2023）
复制引文：
PDF格式：
https://aclantology.org/2023.mwe-1.1.pdf
视频：
 https://aclantology.org/2023.mwe-1.1.mp4网址
PDF格式 引用 搜索 视频