Multilingual unsupervised sequence segmentation transfers to extremely low-resource languages
Rattachement africain : us. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
We show that unsupervised sequencesegmentation performance can be transferred to extremely low-resource languages by pretraining a Masked Segmental Language Model (Downey et al., 2021) multilingually.Further, we show that this transfer can be achieved by training over a collection of low-resource languages that are typologically similar (but phylogenetically unrelated) to the target language.In our experiments, we transfer from a collection of 10 Indigenous American languages (AmericasNLP, Mager et al., 2021) to K'iche', a Mayan language.We compare our multilingual model to a monolingual (from-scratch) baseline, as well as a model pre-trained on Quechua only.We show that the multilingual pre-trained approach yields consistent segmentation quality across target dataset sizes, exceeding the monolingual baseline in 6/10 experimental settings.Our model yields especially strong results at small target sizes, including a zero-shot performance of 20.6 F1.These results have promising implications for low-resource NLP pipelines involving human-like linguistic units, such as the sparse transcription framework proposed by Bird (2020).
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Multilingual unsupervised sequence segmentation transfers to extremely low-resource languages
- Date Crossref
- 01/01/2022
- Éditeur
- Association for Computational Linguistics
- Type
- proceedings-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Center for Applied Linguistics pays non établi dans la noticeOrganisation à but non lucratif
-
University of Washington Department of Linguistics pays non établi dans la noticeUniversité ou école supérieure
Center for Applied Linguistics et Department of Linguistics — University of Washington.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.