要約
クレオール語と多くの高度に資源化された言語との間の系譜的な結びつきは、転移学習の重要な可能性を示唆しているが、この可能性は、注釈付きデータの不足のために妨げられている。この研究では、最大28のクレオール言語をカバーする、8つの異なるNLPタスクにまたがるベンチマークデータセット集であるCreoleValを紹介する。これは、読解、関係分類、クレオール語の機械翻訳のための新しい開発データセットの集合体であり、さらに一握りの既存のベンチマークへの実用的なゲートウェイでもある。各ベンチマークについて、クレオール語のための転移学習の能力と限界をさらに確認するために、ゼロショット設定でベースライン実験を行う。最終的には、CreoleValは、NLPと計算言語学におけるクレオールの研究を強化する機会であり、一般的には、世界中のより公平な言語技術への一歩であると考えています。
要約(オリジナル)
Creoles represent an under-explored and marginalized group of languages, with few available resources for NLP research.While the genealogical ties between Creoles and a number of highly-resourced languages imply a significant potential for transfer learning, this potential is hampered due to this lack of annotated data. In this work we present CreoleVal, a collection of benchmark datasets spanning 8 different NLP tasks, covering up to 28 Creole languages; it is an aggregate of novel development datasets for reading comprehension, relation classification, and machine translation for Creoles, in addition to a practical gateway to a handful of preexisting benchmarks. For each benchmark, we conduct baseline experiments in a zero-shot setting in order to further ascertain the capabilities and limitations of transfer learning for Creoles. Ultimately, we see CreoleVal as an opportunity to empower research on Creoles in NLP and computational linguistics, and in general, a step towards more equitable language technology around the globe.
arxiv情報
| 著者 | Heather Lent,Kushal Tatariya,Raj Dabre,Yiyi Chen,Marcell Fekete,Esther Ploeger,Li Zhou,Ruth-Ann Armstrong,Abee Eijansantos,Catriona Malau,Hans Erik Heje,Ernests Lavrinovics,Diptesh Kanojia,Paul Belony,Marcel Bollmann,Loïc Grobol,Miryam de Lhoneux,Daniel Hershcovich,Michel DeGraff,Anders Søgaard,Johannes Bjerva |
| 発行日 | 2024-05-06 15:30:09+00:00 |
| arxivサイト | arxiv_id(pdf) |