Text Categorization Can Enhance Domain-Agnostic Stopword Extraction

要約

この論文では、自然言語処理 (NLP) におけるストップワード抽出の合理化におけるテキスト分類の役割を調査し、特にフランス語と並ぶアフリカの 9 言語に焦点を当てています。
masakhaNEWS、African Stopwords Project、MasakhaPOS データセットを活用することで、私たちの調査結果は、テキストの分類がドメインに依存しないストップワードを効果的に識別し、調査されたほとんどの言語で 80% 以上の検出成功率を示していることを強調しています。
それにもかかわらず、言語の差異により、特定の言語の検出率が低くなります。
興味深いことに、ストップワードの 40% 以上がニュース カテゴリ間で共通である一方、単一のカテゴリに固有のものは 15% 未満であることがわかりました。
珍しいストップワードはテキストに深みを与えますが、ストップワードとしての分類はコンテキストによって異なります。
したがって、統計的アプローチと言語的アプローチを組み合わせることで、包括的なストップワード リストが作成され、ハイブリッド手法の価値が強調されます。
この研究はアフリカ言語の NLP を強化し、ストップワード抽出におけるテキストの分類の重要性を強調しています。

要約(オリジナル)

This paper investigates the role of text categorization in streamlining stopword extraction in natural language processing (NLP), specifically focusing on nine African languages alongside French. By leveraging the MasakhaNEWS, African Stopwords Project, and MasakhaPOS datasets, our findings emphasize that text categorization effectively identifies domain-agnostic stopwords with over 80% detection success rate for most examined languages. Nevertheless, linguistic variances result in lower detection rates for certain languages. Interestingly, we find that while over 40% of stopwords are common across news categories, less than 15% are unique to a single category. Uncommon stopwords add depth to text but their classification as stopwords depends on context. Therefore combining statistical and linguistic approaches creates comprehensive stopword lists, highlighting the value of our hybrid method. This research enhances NLP for African languages and underscores the importance of text categorization in stopword extraction.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google