首个覆盖五种阿拉伯方言的平行依存树库来了，监督解析器LAS达87.5%！
A Parallel Multi-Dialect Arabic Dependency Treebank
📖 AI 总结
该研究针对阿拉伯语依存句法资源长期集中于现代标准阿拉伯语、方言资源匮乏的问题，构建了MADARTB——首个覆盖贝鲁特、开罗、多哈、拉巴特和突尼斯五种城市方言的大规模平行依存树库，并扩展了已有的平行现代标准阿拉伯语版本，共包含5000句、采用CATiB依存标注方案。研究分析了各方言与现代标准阿拉伯语之间的句法相似性，发现整体结构轮廓高度相似，但局部句法结构频繁出现分歧，揭示出方言间存在显著的结构差异。研究还开展了跨方言依存句法分析比较，监督式解析器取得87.5%的LAS，而最佳大语言模型配置在六种语言变体上仅为85.7%的LAS。该工作填补了方言阿拉伯语依存句法资源的空白，为跨方言句法差异研究提供了数据基础，并公开了标注与模型。
🔑 关键词速览
| MADARTB | 首个覆盖五种城市方言的大规模平行阿拉伯语依存树库。 |
| 依存树库 | 标注了词语间依存句法关系的句子集合，用于训练和评估句法分析器。 |
| CATiB依存方案 | 一种针对阿拉伯语设计的依存句法标注规范，强调简洁性和语言特异性。 |
| LAS | 标记依存正确率，评估依存句法分析性能的常用指标，同时考虑依存关系和标签。 |
| 跨方言依存句法分析 | 在不同阿拉伯语方言上训练和测试依存句法分析器，以比较其泛化能力。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅