Aller au contenu principal
Accès ouvert déclaré 2022 conference-paper

Multilingual unsupervised sequence segmentation transfers to extremely low-resource languages

1Citations signalées, ce qui n’est pas une note de qualité
2Institutions déclarées
1Pays d’affiliation déclarés

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 notice
    Organisation à but non lucratif
  • University of Washington Department of Linguistics pays non établi dans la notice
    Université 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.

Les sujets associés

Natural Language Processing TechniquesTopic ModelingGenomics and Phylogenetic Studies

BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.