跳到正文
arXiv cs.CL· Julian Schelb, Michael Wittweiler, Marie Revellio·· 2 天前AI 评分18

用少量标注学习拉丁文学文本复用中的词级解释

Learning Word-Level Explanations of Text Reuse in Latin Literature with Little Annotation

AI 导读

研究提出一种只需少量标注的方法,为拉丁文学文本复用对逐词标注操作类型(复制、词形变化、替换等):先用已知操作作用于拉丁文本生成合成对训练初始模型,再用主动学习挑选待人工修正的样本。

正文 · AI 翻译

查看 PDF HTML(实验性)

摘要:检测出互文引用只是第一步;语文学家还需要了解后来的作者如何改写来源。我们逐词解释一个复用对:复用段落中的每个词首先与其来源词对齐,然后标注对其进行转换的操作,例如复制、词形变化或替换。这种词级操作标注成本很高,而且针对拉丁文学文本复用,目前只有少数语料库具备这一级别的标注。我们描述了一种只需有限数量标注的流程:通过将已知操作应用于拉丁文本构建合成对,训练出第一个模型,再由主动学习选择标注者需要纠正的对。在多种架构中,将链接和标注结合在一起的模型表现最佳:一个指针网络,对每个复用词,在同一步骤中选择一个来源词并命名该操作。我们表明,借助主动学习,按不确定性选出的 200 个对就足以让模型达到与在 Loci Similes 基准的 1,490 个引用的全部标注对上训练的模型相当的水平。我们发布了代码、所有引用的词级预测以及一个交互式演示。
评论: 18 页,5 幅图,8 张表。代码:此 https URL 演示:此 https URL
主题: 计算与语言(cs.CL)
引用为: arXiv:2611.18319 [cs.CL]
  (或 arXiv:2611.18319v1 [cs.CL] 用于此版本)
  https://doi.org/10.48550/arXiv.2611.18319

arXiv 颁发的 DOI 通过 DataCite(待注册)

提交历史

来自:Julian Schelb [查看电子邮件]
[v1] 2026 年 11 月 13 日星期五 15:33:43 UTC(1,005 KB)

来源:arXiv cs.CL · arxiv.org