Limpeh ga li gong: Challenges in Singlish Annotations

要約

シングリッシュ、または口語的なシンガポール英語は、多文化シンガポールにおける口頭および社会的コミュニケーションから形成された言語です。
この作業では、基本的な自然言語処理 (NLP) タスクであるシングリッシュ文の品詞 (POS) タグ付けに取り組みます。
分析のために、英語の直接翻訳と POS タグを含む並列シン​​グリッシュ データセットを構築し、翻訳と POS アノテーションはシングリッシュのネイティブ スピーカーによって行われます。
私たちの実験では、自動トランジションおよびトランスフォーマーベースのタガーは、人間が注釈を付けた POS ラベルに対して評価した場合、 $\sim 80\%$ の精度しか機能しないことが示されており、この言語の計算分析には実際に改善の余地があることが示唆されています。
私たちは、シングリッシュ アノテーションの課題、つまり形式と意味論における矛盾、言語の文脈に大きく依存する粒子、構造的で独特な表現、さまざまな媒体での言語のバリエーションについて説明します。
私たちのタスク定義、結果として得られるラベル、および結果は、さまざまな方言から定式化された口語言語を分析する際の課題を反映しており、POS タグ付けを超えた将来の研究への道を開きます。

要約(オリジナル)

Singlish, or Colloquial Singapore English, is a language formed from oral and social communication within multicultural Singapore. In this work, we work on a fundamental Natural Language Processing (NLP) task: Parts-Of-Speech (POS) tagging of Singlish sentences. For our analysis, we build a parallel Singlish dataset containing direct English translations and POS tags, with translation and POS annotation done by native Singlish speakers. Our experiments show that automatic transition- and transformer- based taggers perform with only $\sim 80\%$ accuracy when evaluated against human-annotated POS labels, suggesting that there is indeed room for improvement on computation analysis of the language. We provide an exposition of challenges in Singlish annotation: its inconsistencies in form and semantics, the highly context-dependent particles of the language, its structural unique expressions, and the variation of the language on different mediums. Our task definition, resultant labels and results reflects the challenges in analysing colloquial languages formulated from a variety of dialects, and paves the way for future studies beyond POS tagging.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google