2017. cheap translation for Cross-lingual NER 阅读笔记

2024-04-24 02:32

本文主要是介绍2017. cheap translation for Cross-lingual NER 阅读笔记,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

cheap translation for Cross-lingual NER, Illinois Champaign

  • 提出了一个生成翻译字典的 cheap translation 算法
  • 该算法可以和 wikifier features、Brown Cluster features 等结合取得更好的效果
  • 通过实验说明当 source Lan. 与 traget Lan. 相似度比较高时,可以进一步提高模型性能。
  • 探究了 cheap translation 所需字典的size,及其他一些 lan. specific 的 techniques 对模型性能的影响

Abstract

  • 目标
    • 面向 low-resource Lan. 的 NER
    • 仅依赖 very minimal resources.
  • 方法概述
    • 利用 lexicon translate: annotated high-resource Lan. => target Lan. (training data)
    • 再利用 translated target data 学习一个 monolingual NER model
  • 结果
    • 当 target lan. 的 wilipedia 数据可获得时,本文的方法可以提升 wikipedia-based methods 得到 SOA 的结果。

Cheap Translation

  • core idea: translate annotated high-re. Lan. => target Lan.
    • using: a lexicon, rather than parallel text
    • challenge: a source word <=> a phrase translation table in target Lan.
      • prominence score: normalized coocurrence counts in each candidate set
      • greeding decoding method gredding decoding algo.
      • choose a candidate, copy labels to it
      • options from the lexicon are resolved by a LM multiplied by the prominence score of each option (Stolcke, 2002)
    • Caution: no reordering of the translated result
  • Result
    • annotated data in target Lan.
    • in spite of mistakes, the context around the entities (matters for NER) is reasonably well-preserved

NER Model

  • Illinoise NER system
  • standard features: forms, capitalization, affixes, word prior, word after, etc.
  • Brown cluster features
  • multilingual gazetteers
  • wiki features

Experiment

baseline
  • tranin on English => apply the model directly to the target Lan.
  • no gazetteers
  • result
    • dosen’t work on non-Latin lan.
cheap translation
  • translate English to target lan. (lexicon coverage)
  • Yoruba
    • normalize the text (remove all pronunciation sys.) => make the data less sparse
  • Bengali & Tamil
    • omit using the word suface as a feature
  • result
    • 14.6 points of F1 improv. over the baseline
    • proposed approach is othogonal to other approaches, and can be combined with great effects.
+ Wikifier Features
  • obtained by grounding words & phrases to English Wikipedia pages
  • using the categories of the linked page as NER features for the surface text.
  • result
    • improve scores for all 7 lan.
    • improvement at European Lan > other Lan. => it’s advantageous to select a source lan. similar to the target lan.
Google Translate
  • translate English into other Lan. by Google
  • aligne the source-target data using fast align
    • the alignments can be noisy given the relatively small amount of text
  • project labels across alignments
  • result
    • “As with the other approaches, Brown cluster features are an important signal.”
Translation from Similar Lan.
  • required 2 new resources
    • annotated data in a similar Lan. S
      • “it is likely that there exists an annotated dataset in a closer language.”
    • a lexicon: S -> T (target Lan.)
      • collect all English words that appear in both dictionaries => two sets of candidate translations
        • too many entries, some incorrect, but correct entry is there.
  • choice of the source Lan: WALS
  • result
    • 5.4 points higher than Enlish-source
Translation from Similar Lan. + Wikifeier features
  • result
    • best cross-lan. setting scores.

Other Expt.

Dictionary Ablation: what effect the size of the lexicon has on the end result?
  • only a small numbe rof dictionary entries are likely to be useful
  • a small but carefully constructed manual dictionary could have a large impact.
Uyghur
  • no wikifier features: Wikipedia size is too small
  • Dictionary: LORELEI + Rolston => 116k
  • Name Substitution: untranslatable => replace with a randomly selected NE from the gazetteer list corresponding to the tag. => sentence is not fluent, but NEs are fluent in the target text.
  • Stemming (词干分析): remove all possible suffixes
  • omit form feature for Bengali & Tamil
  • result
    • stemming helps => makes the features more dense
+ generate dicionaries using observations over Yyghur and Uzbek
  • manual mapping: 100 words
  • edit-distance mapping: a modified edit-distance algo.
  • cross-lingual CCA with word vectors
    • using CCA project Uyghur and Uzbed monolingual vctor into a share semantic space
    • closest Uyghur word to each Uzbek word.
  • result
    • lang. spec. no combine: not much
    • combine ALL lang. specific techs: 10 points higher
    • different training data covers many angles

这篇关于2017. cheap translation for Cross-lingual NER 阅读笔记的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/930533

相关文章

JAVA智听未来一站式有声阅读平台听书系统小程序源码

智听未来,一站式有声阅读平台听书系统 🌟&nbsp;开篇:遇见未来,从“智听”开始 在这个快节奏的时代,你是否渴望在忙碌的间隙,找到一片属于自己的宁静角落?是否梦想着能随时随地,沉浸在知识的海洋,或是故事的奇幻世界里?今天,就让我带你一起探索“智听未来”——这一站式有声阅读平台听书系统,它正悄悄改变着我们的阅读方式,让未来触手可及! 📚&nbsp;第一站:海量资源,应有尽有 走进“智听

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

系统架构师考试学习笔记第三篇——架构设计高级知识(20)通信系统架构设计理论与实践

本章知识考点:         第20课时主要学习通信系统架构设计的理论和工作中的实践。根据新版考试大纲,本课时知识点会涉及案例分析题(25分),而在历年考试中,案例题对该部分内容的考查并不多,虽在综合知识选择题目中经常考查,但分值也不高。本课时内容侧重于对知识点的记忆和理解,按照以往的出题规律,通信系统架构设计基础知识点多来源于教材内的基础网络设备、网络架构和教材外最新时事热点技术。本课时知识

cross-plateform 跨平台应用程序-03-如果只选择一个框架,应该选择哪一个?

跨平台系列 cross-plateform 跨平台应用程序-01-概览 cross-plateform 跨平台应用程序-02-有哪些主流技术栈? cross-plateform 跨平台应用程序-03-如果只选择一个框架,应该选择哪一个? cross-plateform 跨平台应用程序-04-React Native 介绍 cross-plateform 跨平台应用程序-05-Flutte

论文阅读笔记: Segment Anything

文章目录 Segment Anything摘要引言任务模型数据引擎数据集负责任的人工智能 Segment Anything Model图像编码器提示编码器mask解码器解决歧义损失和训练 Segment Anything 论文地址: https://arxiv.org/abs/2304.02643 代码地址:https://github.com/facebookresear

数学建模笔记—— 非线性规划

数学建模笔记—— 非线性规划 非线性规划1. 模型原理1.1 非线性规划的标准型1.2 非线性规划求解的Matlab函数 2. 典型例题3. matlab代码求解3.1 例1 一个简单示例3.2 例2 选址问题1. 第一问 线性规划2. 第二问 非线性规划 非线性规划 非线性规划是一种求解目标函数或约束条件中有一个或几个非线性函数的最优化问题的方法。运筹学的一个重要分支。2

【C++学习笔记 20】C++中的智能指针

智能指针的功能 在上一篇笔记提到了在栈和堆上创建变量的区别,使用new关键字创建变量时,需要搭配delete关键字销毁变量。而智能指针的作用就是调用new分配内存时,不必自己去调用delete,甚至不用调用new。 智能指针实际上就是对原始指针的包装。 unique_ptr 最简单的智能指针,是一种作用域指针,意思是当指针超出该作用域时,会自动调用delete。它名为unique的原因是这个

查看提交历史 —— Git 学习笔记 11

查看提交历史 查看提交历史 不带任何选项的git log-p选项--stat 选项--pretty=oneline选项--pretty=format选项git log常用选项列表参考资料 在提交了若干更新,又或者克隆了某个项目之后,你也许想回顾下提交历史。 完成这个任务最简单而又有效的 工具是 git log 命令。 接下来的例子会用一个用于演示的 simplegit

记录每次更新到仓库 —— Git 学习笔记 10

记录每次更新到仓库 文章目录 文件的状态三个区域检查当前文件状态跟踪新文件取消跟踪(un-tracking)文件重新跟踪(re-tracking)文件暂存已修改文件忽略某些文件查看已暂存和未暂存的修改提交更新跳过暂存区删除文件移动文件参考资料 咱们接着很多天以前的 取得Git仓库 这篇文章继续说。 文件的状态 不管是通过哪种方法,现在我们已经有了一个仓库,并从这个仓

忽略某些文件 —— Git 学习笔记 05

忽略某些文件 忽略某些文件 通过.gitignore文件其他规则源如何选择规则源参考资料 对于某些文件,我们不希望把它们纳入 Git 的管理,也不希望它们总出现在未跟踪文件列表。通常它们都是些自动生成的文件,比如日志文件、编译过程中创建的临时文件等。 通过.gitignore文件 假设我们要忽略 lib.a 文件,那我们可以在 lib.a 所在目录下创建一个名为 .gi