Addressing Noise in Multidialectal Word Embeddings

Alexander Erdmann; Nasser Zalmout; Nizar Habash

doi:10.18653/v1/P18-2089

Addressing Noise in Multidialectal Word Embeddings Name Multidialectal Word Embedding @ item Text character set string" in "context_BAR_stringLink Name 다방면으로 삽입된 주소 잡음 Name Name Name Name 多方词噪声

Alexander Erdmann, Nasser Zalmout, Nizar Habash

Abstract

Word embeddings are crucial to many natural language processing tasks. The quality of embeddings relies on large non-noisy corpora. Arabic dialects lack large corpora and are noisy, being linguistically disparate with no standardized spelling. We make three contributions to address this noise. First, we describe simple but effective adaptations to word embedding tools to maximize the informative content leveraged in each training sentence. Second, we analyze methods for representing disparate dialects in one embedding space, either by mapping individual dialects into a shared space or learning a joint model of all dialects. Finally, we evaluate via dictionary induction, showing that two metrics not typically reported in the task enable us to analyze our contributions’ effects on low and high frequency words. In addition to boosting performance between 2-53 %, we specifically improve on noisy, low frequency forms without compromising accuracy on high frequency forms.

Abstract

Woord inbêding is gekruisig vir baie natuurlike taal verwerking opdragte. Die kwaliteit van inbêdings verlig op groot non-noisy corpora. Arabiese dialekte het groot korpora ontbreek en is geluid, dit is lingwisieslik verskillende met geen standaard gespel nie. Ons maak drie bydraai om hierdie geluid te adres. Eerste, ons beskrywe eenvoudige maar effektiewe aanpassings na woord inbetering nutsprogramme om die inligting inhoud wat in elke oefening seting verwyder is te maksimaliseer. Tweede, ons analyseer metodes om verskillende dialekte te verteenwoordig in een inbêderspasie, of deur individuele dialekte in 'n gedeelde spasie te mapeer of 'n joint model van alle dialekte te leer. Eindelik, ons evalueer deur woordeboekinduksie, wys dat twee metries nie tipies in die taak nie rapporteer nie, kan ons in die werk aktiveer om ons bydraaie se effekte te analyseer op lae en hoë frekwensiewoorde. In addition to boosting performance between 2-53%, we specifically improve on noisy, low frequency forms without compromising accuracy on high frequency forms.

Abstract

የንግግር ግንኙነት ለብዙዎቹ የፍጥረታዊ ቋንቋ ተግባር የሚያስፈልገው ነው፡፡ የድምፅ ውሃት በታላቅ ድምፅ ሳይሆን ኮርፖርት ነው፡፡ አረቢያ ቋንቋዎች ታላቅ ኮርፖርት አያስፈልጋቸውም፣ ቋንቋ ቋንቋዎች በተለየ፣ በተለየ አካባቢ ቋንቋ አይደሉም፡፡ ይህንን ድምፅ ለመጠቀም ሦስት ድጋፍ እናደርጋለን፡፡ በመጀመሪያ፣ ቀላል ነገር ግን በሁሉም ትምህርት ክፍል ውስጥ የተደረገውን የዝግጅት መረጃዎችን ለማበዛት እናሳውቃለን፡፡ ሁለተኛ፣ በተለየ ዳሌክቶችን በአንድ ስፍራ ማሳየት የሚችሉትን አካባቢ፣ ወይም የግንኙነት ጥያቄዎችን በመስመር ወይም የሁሉን አካባቢ ምሳሌ በማስተማር እናስተምርለን፡፡ በመጨረሻም፣ የመዝገበ ቋንቋ ጉዳይ እናሳውቃለን፣ ሁለት ሜትሪኮች በተቀናቀው በማድረግ ላይ የተዘረጉትን እናሳየናለን፡፡ በ2-53 በመቶ ውስጥ የድምፅ አካባቢ እናሳድጋለን፡፡

Abstract

تعد عمليات دمج الكلمات أمرًا بالغ الأهمية للعديد من مهام معالجة اللغة الطبيعية. تعتمد جودة حفلات الزفاف على مجموعات كبيرة غير صاخبة. تفتقر اللهجات العربية إلى مجموعات كبيرة وهي صاخبة ومتباينة لغويًا مع عدم وجود تهجئة موحدة. نقدم ثلاث مساهمات لمعالجة هذه الضوضاء. أولاً ، نصف عمليات التكييف البسيطة والفعالة لأدوات تضمين الكلمات لزيادة المحتوى الإعلامي الذي يتم الاستفادة منه في كل جملة تدريبية. ثانيًا ، نقوم بتحليل طرق تمثيل اللهجات المتباينة في مساحة تضمين واحدة ، إما عن طريق تعيين اللهجات الفردية في مساحة مشتركة أو تعلم نموذج مشترك لجميع اللهجات. أخيرًا ، نقوم بالتقييم من خلال تحريض القاموس ، مما يوضح أن مقياسين لم يتم الإبلاغ عنهما عادةً في المهمة يمكّناننا من تحليل تأثيرات مساهماتنا على الكلمات ذات التردد المنخفض والعالي. بالإضافة إلى تعزيز الأداء بنسبة تتراوح بين 2-53٪ ، نقوم على وجه التحديد بتحسين الأشكال الصاخبة ذات التردد المنخفض دون المساس بالدقة في الأشكال عالية التردد.

Abstract

Sözlər içərisində növbənöv təbiətli dil işləməsi üçün çox vacib olandır. İndibinçilərin keyfiyeti böyük səslə olmayan korpora təvəkkül edir. Arapça dialektlərin böyük korporası yoxdur və səsləndirlər, dillərin standartlaşdırılmış imzalamasından fərqli olarlar. Biz bu səsini çəkmək üçün üç qismət edirik. İlk dəfə, hər təhsil cümləsində istifadə edilən informativ məlumatı böyükləmək üçün yazılmış, ancaq etkili sözlərə uyğunlaşdırmağımızı təsdiqləyirik. İkincisi, fərqli dialektləri bir yerdə göstərmək üçün çətinlikləri analiz edirik, ya indir dialektləri paylaşdırılmış bir alana mapa edərək, ya da bütün dialektlərin birlikli modelini öyrənirik. Sonunda, sözlük induksyonu vasitəsilə değerlendiririk, bu işdə iki metrik xəbərdar edilmədiyini göstərdik ki, bizim qismətimizin etkisini düşük və yüksək frekans sözlərinə analiz etməyimiz imkan verir. 2-53% arasındakı performansı artırmaq üçün, biz səs, düşük frekans formlarını yüksək frekans formlarında ədaləti təhlükəsizləmədən daha yaxşılaşdırırıq.

Abstract

Вградените думи са от решаващо значение за много задачи по обработка на естествен език. Качеството на вгражданията разчита на големи нешумни корпуси. Арабските диалекти нямат големи корпорации и са шумни, като са лингвистично различни, без стандартизиран правопис. Ние правим три приноса за справяне с този шум. Първо, описваме прости, но ефективни адаптации към инструментите за вграждане на думи, за да увеличим максимално информативното съдържание, използвано във всяко тренировъчно изречение. Второ, анализираме методите за представяне на различни диалекти в едно вграждащо пространство, или чрез картографиране на отделни диалекти в споделено пространство, или чрез изучаване на съвместен модел на всички диалекти. И накрая, оценяваме чрез индукция на речника, показвайки, че два показателя, които обикновено не се отчитат в задачата, ни позволяват да анализираме ефекта на нашите приноси върху нискочестотни и високочестотни думи. В допълнение към повишаването на производителността между 2-53%, ние специално подобряваме шумните, нискочестотни форми, без да компрометираме точността на високочестотните форми.

Abstract

অনেক প্রাকৃতিক ভাষা প্রক্রিয়ার কাজের জন্য শব্দের প্রবেশ করা গুরুত্বপূর্ণ। বিভিন্ন আওয়াজের মান বিশাল কোর্পোরায় নির্ভর করে। আরবী ভাষায় বিশাল কোর্পোরার অভাব নেই এবং তারা চিৎকার করছে, ভাষায় ভাষায় ভিন্ন ভাষায় ভিন্ন ভাষায় ভিন্ন ভাষায় বা এই শব্দের কথা বলার জন্য আমরা তিনটি অংশগ্রহণ করি। প্রথমত, আমরা সাধারণ কিন্তু প্রশিক্ষণের শাস্তিতে প্রতিটি তথ্যের বিষয়বস্তু বাড়িয়ে দেয়ার জন্য শব্দের প্রতি কার্যকর উপাদ দ্বিতীয়, আমরা বিশ্লেষণ করি একটি বিভিন্ন স্থানে বিভিন্ন ডায়ালেককে প্রতিনিধিত্ব করার জন্য, অথবা ব্যক্তিগত ডায়ালেককে একটি শেয়ার করা জায়গায় মানচিত শেষ পর্যন্ত আমরা অভিভাবক শিল্পের মাধ্যমে মূল্যায়ন করি, দেখাচ্ছি যে দুটি মেট্রিক সাধারণত কাজে রিপোর্ট করা হয়নি যে আমাদের অবদানের প্রভাব কম এবং ২-৫৩ শতাংশের মধ্যে বাড়তে থাকার পরিবর্তে আমরা বিশেষ করে আওয়াজ, কম ফ্রাইভেন্স ফর্মের ব্যাপারে উন্নতি পেয়েছি উচ্চ ফ্রাইভেন্স ফর্

Abstract

ཡི་གེ་གནས་ཁོངས་ནང་དུ་མཐུན་རྐྱེན་གྱི་སྐད་རིགས་ལས་སྦྱོར་བྱེད་ཀྱི་ལས་འགུལ་མང་ཙམ་ལ་གལ་ཆེན གནས་སྡུད་ཀྱི་རིན་ཐང་སྣང་མེད་སྣང་པོ་ཆེན་པོ་ཞིག་ལས་མཐུན་རྒྱུ་ཡིན། ཨ་རབ་ཀྱི་སྒྲ་བརྙན་ཡིག་གཟུགས་ལས་ཀྱང་ཆེ་བའི་སྣ་ཚོགས་ཞིག་མེད་པས་སྐད་རིགས་སྔོན་སྒྲིག་ཡིག་ཆ་མི་གཅིག་པ ང་ཚོས་ཀློག་དཀོན་འདི་ལ་བརྗོད་ཐུབ་པའི་གོ་སྐབས་གསུམ་གཅིག་བྱེད་ཀྱི་ཡོད། First, we describe simple but effective adaptations to word embedding tools to maximize the information content of each training sentence. Second, we analyze methods for representing disparate dialects in one embedding space, either by mapping individual dialects into a shared space or learning a joint model of all dialects. Finally, we evaluate via dictionary induction, showing that two metrics not typically reported in the task enable us to analyze our contributions' effects on low and high frequency words. འོན་ཀྱང་། ཚད་རྒྱ་ཚད་ཡར་རྒྱས་གོང་ཚད་2-53%, ང་ཚོས་དམིགས་བསལ་ཡོད་པའི་དཀྱིས་དཀྱིས་མཐོང་སྣང་ཚད་ལྡན་ཚད་མཐོ་རྣམས་མེད་པར།

Abstract

Uključenje riječi je ključno za mnoge prirodne jezike. Kvaliteta ugrađenja se oslanja na veliku ne-buku korporu. Arapske dijalekte nedostaju velika korpora i buka, jer su jezički različiti bez standardizovanog pisanja. Mi donosimo tri doprinosa da riješimo ovu buku. Prvo, opisujemo jednostavne ali efikasne prilagodbe riječima uključenim alatima za maksimaliziranje informativnog sadržaja na svakoj kazni za obuku. Drugo, analiziramo metode za predstavljanje različitih dijalekata u jednom ugrađenom prostoru, ili mapiranjem individualnih dijalekata u zajednički prostor ili učenjem zajedničkog model a svih dijalekata. Konačno, procjenjujemo putem indukcije rečnika, pokazujući da dvije metrike koje nisu tipično prijavljene u zadatku omogućavaju da analiziramo učinak našeg doprinosa na riječi niske i visoke frekvencije. Uz povećanje učinka između 2-53%, posebno poboljšavamo buku, nisku frekvenciju oblike bez kompromitiranja preciznosti na visokim oblicima frekvencije.

Abstract

L'incorporació de paraules és crucial per a moltes tasques naturals de processament de llenguatges. The quality of embeddings relies on large non-noisy corpora. Els dialectes àrabs careixen de grans corpores i són ruidosos, són lingüísticament dispars sense ortografia estandaritzada. Fem tres contribucions per abordar aquest soroll. Primer, descrivim adaptacions simples però efectives a eines d'incorporació de paraules per maximitzar el contingut informatiu utilitzat en cada frase d'entrenament. Segon, analitzem mètodes per representar dialectes diferents en un espai d'incorporació, tant mapeant dialectes individuals en un espai compartit com aprenent un model conjunt de tots els dialectes. Finalment, evaluem a través de l'inducció diccionaria, mostrant que dues mètriques que no es rapporten típicament en la tasca ens permeten analitzar els efectes de les nostres contribucions en paraules de baixa i alta freqüència. A més d'augmentar el rendiment entre 2 i 53%, millorem específicament en formes ruidoses i de baixa freqüència sense comprometre la precisió en formes d'alta freqüència.

Abstract

Vložení slov je klíčové pro mnoho úloh zpracování přirozeného jazyka. Kvalita vložení závisí na velkých nešumných korpusech. Arabské dialekty postrádají velké korpusy a jsou hlučné, jsou lingvisticky nesourodé a bez standardizovaného pravopisu. K řešení tohoto hluku učiníme tři příspěvky. Nejprve popisujeme jednoduché, ale efektivní úpravy nástrojů pro vkládání slov pro maximalizaci informačního obsahu využitého v každé tréninkové větě. Za druhé analyzujeme metody reprezentace nesourodých dialektů v jednom vkládacím prostoru, buď mapováním jednotlivých dialektů do sdíleného prostoru nebo učením se společného modelu všech dialektů. Na závěr vyhodnocujeme pomocí indukce slovníku, což ukazuje, že dvě metriky, které v úkolu typicky neukázaly, nám umožňují analyzovat vliv našich příspěvků na nízkofrekvenční a vysokofrekvenční slova. Kromě zvýšení výkonu mezi 2-53%, konkrétně zlepšujeme hlučné, nízkofrekvenční formy, aniž bychom omezili přesnost u vysokofrekvenčních forem.

Abstract

Ordindlejringer er afgørende for mange naturlige sprogbehandlingsopgaver. Kvaliteten af indlejringer afhænger af store ikke-støjende corpora. Arabiske dialekter mangler store korpora og er støjende og er sprogligt forskellige uden standardiseret stavning. Vi yder tre bidrag til at imødegå denne støj. Først beskriver vi enkle, men effektive tilpasninger til ordindlejringsværktøjer for at maksimere det informative indhold, der udnyttes i hver træningssætning. For det andet analyserer vi metoder til at repræsentere forskellige dialekter i ét indlejringsrum, enten ved at kortlægge individuelle dialekter i et fælles rum eller lære en fælles model af alle dialekter. Endelig evaluerer vi via ordbogsinduktion, hvilket viser, at to målinger, der ikke typisk rapporteres i opgaven, gør det muligt for os at analysere vores bidrag' effekter på lav- og højfrekvensord. Ud over at øge ydeevnen mellem 2-53%, forbedrer vi specifikt på støjende lavfrekvensformer uden at gå på kompromis med nøjagtigheden på højfrekvensformer.

Abstract

Worteinbettungen sind für viele Aufgaben der Verarbeitung natürlicher Sprache entscheidend. Die Qualität der Einbettungen beruht auf großen, nicht rauschenden Korpora. Arabischen Dialekten fehlen große Korpora und sind laut, sprachlich disparat und ohne standardisierte Rechtschreibung. Wir leisten drei Beiträge, um diesem Lärm entgegenzuwirken. Zunächst beschreiben wir einfache, aber effektive Anpassungen an Wort-Einbettungstools, um den informativen Inhalt zu maximieren, der in jedem Trainingssatz verwendet wird. Zweitens analysieren wir Methoden zur Darstellung disparater Dialekte in einem Einbettungsraum, entweder indem wir einzelne Dialekte in einen gemeinsamen Raum abbilden oder ein gemeinsames Modell aller Dialekte erlernen. Abschließend evaluieren wir mittels Wörterbuchinduktion, was zeigt, dass zwei Metriken, die nicht typischerweise in der Aufgabe gemeldet werden, es uns ermöglichen, die Auswirkungen unserer Beiträge auf nieder- und hochfrequente Wörter zu analysieren. Neben der Leistungssteigerung zwischen 2-53%, verbessern wir speziell geräuschvolle, niederfrequente Formen, ohne Abstriche bei der Genauigkeit bei Hochfrequenzformen zu machen.

Abstract

Η ενσωμάτωση λέξεων είναι κρίσιμη για πολλές εργασίες επεξεργασίας φυσικής γλώσσας. Η ποιότητα των ενσωματώσεων βασίζεται σε μεγάλα μη θορυβώδη σώματα. Οι αραβικές διαλέκτες δεν έχουν μεγάλα σώματα και είναι θορυβώδεις, είναι γλωσσικά διαφορετικές χωρίς τυποποιημένη ορθογραφία. Κάνουμε τρεις συνεισφορές για την αντιμετώπιση αυτού του θορύβου. Πρώτον, περιγράφουμε απλές αλλά αποτελεσματικές προσαρμογές στα εργαλεία ενσωμάτωσης λέξεων για να μεγιστοποιήσουμε το ενημερωτικό περιεχόμενο που χρησιμοποιείται σε κάθε πρόταση κατάρτισης. Δεύτερον, αναλύουμε μεθόδους αναπαράστασης διαφορετικών διαλέκτων σε ένα χώρο ενσωμάτωσης, είτε χαρτογραφώντας μεμονωμένες διαλέκτες σε έναν κοινόχρηστο χώρο είτε μαθαίνοντας ένα κοινό μοντέλο όλων των διαλέκτων. Τέλος, αξιολογούμε μέσω επαγωγής λεξικού, δείχνοντας ότι δύο μετρήσεις που δεν αναφέρονται συνήθως στην εργασία μας επιτρέπουν να αναλύουμε τις επιπτώσεις των συνεισφορών μας σε λέξεις χαμηλής και υψηλής συχνότητας. Εκτός από την ενίσχυση της απόδοσης μεταξύ 2-53%, βελτιώνουμε συγκεκριμένα σε θορυβώδεις μορφές χαμηλής συχνότητας χωρίς να συμβιβάζουμε την ακρίβεια στις μορφές υψηλής συχνότητας.

Abstract

La incrustación de palabras es crucial para muchas tareas de procesamiento del lenguaje natural. La calidad de las incrustaciones se basa en grandes cuerpos no ruidosos. Los dialectos árabes carecen de corpus grandes y son ruidosos, ya que son lingüísticamente dispares y no tienen una ortografía estandarizada. Hacemos tres contribuciones para hacer frente a este ruido. En primer lugar, describimos adaptaciones simples pero efectivas a las herramientas de inserción de palabras para maximizar el contenido informativo aprovechado en cada oración de capacitación. En segundo lugar, analizamos métodos para representar dialectos dispares en un espacio de incrustación, ya sea mapeando dialectos individuales en un espacio compartido o aprendiendo un modelo conjunto de todos los dialectos. Por último, evaluamos mediante la inducción del diccionario, lo que demuestra que dos métricas que normalmente no se informan en la tarea nos permiten analizar los efectos de nuestras contribuciones en palabras de baja y alta frecuencia. Además de aumentar el rendimiento entre un 2 y un 53%, mejoramos específicamente los formularios ruidosos de baja frecuencia sin comprometer la precisión en los formularios de alta frecuencia.

Abstract

Sõnade manustamine on paljude looduskeelte töötlemise ülesannete jaoks otsustava tähtsusega. Manustamise kvaliteet sõltub suurtest mittemürakatest korpustest. Araabia dialektidel puuduvad suured korpused ja on lärmakad, keeleliselt erinevad ilma standarditud õigekirjadeta. Me teeme selle müra lahendamiseks kolm panust. Esiteks kirjeldame lihtsaid, kuid tõhusaid kohandusi sõna manustamise tööriistadele, et maksimeerida igas treeninglauses kasutatavat informatiivset sisu. Teiseks analüüsime erinevate dialektide esindamise meetodeid ühes manustamisruumis, kas kaardistades üksikud dialektid ühisesse ruumi või õppides kõigi dialektide ühist mudelit. Lõpuks hindame sõnastiku induktsiooni kaudu, näidates, et kaks mõõdikut, mida ülesandes tavaliselt ei kirjeldata, võimaldavad meil analüüsida oma panuste mõju madala ja kõrge sagedusega sõnadele. Lisaks jõudluse suurendamisele 2–53%, parandame spetsiaalselt mürakaid madalsageduslikke vorme, kahjustamata kõrgsageduslike vormide täpsust.

Abstract

جمع کردن کلمات برای بسیاری از کارهای پرداخت زبان طبیعی مهم است. کیفیت ابتدایی بر شرکت غیر صوتی بستگی دارد. دیالکت عربی کمتر از کوپرا بزرگ نیستند و صدایی دارند، که با زبان‌شناسی با هیچ حرف‌زدن استاندارد متفاوت می‌شوند. ما سه تا شرکت برای حل این صدا انجام می دهیم. اول، ما تغییرات ساده ولی موثری را برای ابزارهای ابزارهای پیدا کردن کلمه برای maximization of the informative leveraged in each training sentence توصیف می کنیم. دوم، روش‌هایی را برای نمایش دیالکت‌های متفاوت در یک فضا وارد می‌کنیم، یا با نقشه‌بندی دیالکت‌های متفاوت به یک فضا مشترک یا یاد گرفتن یک مدل متفاوت از همه دیالکت‌ها. بالاخره، ما از طریق تولید الگوی ارزیابی می کنیم، نشان می دهیم که دو متری که معمولاً در این کار گزارش نشده به ما اجازه می دهد تا اثرات تولید ما را بر کلمات فرکانس پایین و بالا تحلیل کنیم. در اضافه به افزایش عملکرد بین ۲-۳۵ درصد، ما مخصوصاً در مورد فرم‌های صدا، فرکانس‌های پایین، بدون توجه به دقیق فرم‌های فراکانس بالا، بهتر می‌کنیم.

Abstract

Tekstin upotukset ovat tärkeitä monissa luonnollisen kielen käsittelytehtävissä. Upotusten laatu perustuu suuriin meluttomiin korpusiin. Arabian murret puuttuvat suuria korpusia ja ovat meluisia, koska ne ovat kielellisesti erilaisia ilman standardoitua kirjoitusta. Esitämme kolme kannanottoa tämän melun poistamiseksi. Ensin kuvaamme yksinkertaisia mutta tehokkaita mukautuksia sanaupotustyökaluihin, joilla maksimoidaan kussakin harjoituslauseessa hyödynnetty informatiivinen sisältö. Toiseksi analysoimme menetelmiä erilaisten murteiden esittämiseksi yhdessä upotustilassa joko kartoittamalla yksittäiset murteet jaettuun tilaan tai oppimalla kaikkien murteiden yhteinen malli. Lopuksi arvioimme sanakirjan induktion avulla, mikä osoittaa, että kaksi mittaria, joita ei ole tyypillisesti raportoitu tehtävässä, mahdollistavat analyysin vastausten vaikutuksista matala- ja korkeataajuuksisiin sanoihin. Sen lisäksi, että parannamme suorituskykyä 2–53%, parannamme erityisesti meluisia, matalataajuuksisia lomakkeita tinkimättä korkean taajuuden lomakkeiden tarkkuudesta.

Abstract

Les intégrations de mots sont cruciales pour de nombreuses tâches de traitement du langage naturel. La qualité des enrobages repose sur de grands corpus non bruyants. Les dialectes arabes n'ont pas de grands corpus et sont bruyants, étant linguistiquement disparates et sans orthographe normalisée. Nous apportons trois contributions pour remédier à ce bruit. Tout d'abord, nous décrivons des adaptations simples mais efficaces aux outils d'intégration de mots afin de maximiser le contenu informatif utilisé dans chaque phrase de formation. Ensuite, nous analysons des méthodes permettant de représenter des dialectes disparates dans un espace d'intégration, soit en mappant des dialectes individuels dans un espace partagé, soit en apprenant un modèle commun de tous les dialectes. Enfin, nous évaluons via l'induction du dictionnaire, ce qui montre que deux mesures qui ne sont généralement pas rapportées dans la tâche nous permettent d'analyser les effets de nos contributions sur les mots à basse et haute fréquence. En plus d'augmenter les performances entre 2 et 53 %, nous améliorons spécifiquement les formes basses fréquences bruyantes sans compromettre la précision des formes haute fréquence.

Abstract

Tá leabú focal ríthábhachtach do go leor tascanna próiseála teanga nádúrtha. Braitheann cáilíocht na leabaithe ar chorpas mór neamhfhuaimneach. Tá easpa corpora mór ar chanúintí Arabacha agus bíonn siad callánach, agus iad éagsúil ó thaobh teanga de gan aon litriú caighdeánach. Déanaimid trí ionchur chun aghaidh a thabhairt ar an torann seo. Ar dtús, déanaimid cur síos ar oiriúnuithe simplí ach éifeachtacha ar uirlisí leabú focal chun an t-ábhar faisnéiseach a ghiaráil i ngach abairt oiliúna a uasmhéadú. Ar an dara dul síos, déanaimid anailís ar mhodhanna chun canúintí éagsúla a léiriú in aon spás leabaithe amháin, trí chanúintí aonair a mhapáil isteach i spás comhroinnte nó trí mhúnla comhpháirteach de na canúintí go léir a fhoghlaim. Mar fhocal scoir, déanaimid meastóireacht trí ionduchtú foclóra, a thaispeánann go gcuireann dhá mhéadracht nach dtugtar tuairisc orthu go hiondúil sa tasc ar ár gcumas anailís a dhéanamh ar éifeachtaí ár ranníocaíochtaí ar fhocail ísealmhinicíochta agus ardmhinicíochta. Chomh maith le feidhmíocht a threisiú idir 2-53%, cuirimid feabhas sonrach ar fhoirmeacha torannacha, ísealmhinicíochta gan cur isteach ar chruinneas foirmeacha ardmhinicíochta.

Abstract

Word embeddings are crucial to many natural language processing tasks. Tsarin da ake fitarwa yana dõgara ga makampuni mai girma. Suna karatun arabu kuma suna da saurare, kuma sunã rarrabe da harshen, kuma bã da wani littafa na daidaita. Munã sami mataimaki uku dõmin ka yi magana ga wannan sauri. Kayyan, za mu bayyana adaptori masu sauƙi kuma amma masu amfani da zuwa zane-zane masu cikin tsari dõmin a faɗaɗa tsarin da aka samar da shi cikin kõwace cewa mai tsaro. Kiwanne, Munã yin anayya da shiryoyin su nuna diƙatan da ake rarraba cikin fili guda, ko kuma, ko da yin ramani da aka buɗe wa masu cikin filin da aka raba shi ko kuma Mu sanar da wani motel na haɗi na kulli diƙatan. Na ƙarama, za mu yi haƙuri a kan ƙanshi na dictionary, kana nũna, ma'anar metrici biyu ba ta rage a cikin aikin da kawaici ba na yarda da mu rarraba fassarar aikin da ke kanana da kalmar sauci. Babu ƙari da za'a ƙara fassarar tsakanin 2-53%, za'a samar da shi ƙayyade fomat na sauri, kuma da sauri masu sauri, kuma bã ya kamfata tsari a kan fomat na tsawo.

Abstract

תוספת מילים הן קריטיות עבור משימות מעבד שפה טבעיות רבות. איכות ההערכות תלויה בקופורה גדולה לא רעשה. הדיאלקטים הערביים חסרים גופורה גדולה והם רעשים, הם שונים לשפתיים ללא איפוי סטנדרטי. אנחנו עושים שלושה תרומות כדי להתמודד עם הרעש הזה. ראשית, אנו מתארים שינויים פשוטים אבל יעילים כלי הכניסה מילים כדי למקסימום את התוכן המידעי שנמצא בכל משפט אימון. שנית, אנו מנתחים שיטות לייצג דיאלקטים שונים במרחב אחד, או על ידי מיפות דיאלקטים בודדים למרחב משותף או ללמוד מודל משותף של כל דיאלקטים. סוף סוף, אנו מעריכים באמצעות התפתחות המילונית, מראים ששתי מטריות שלא דווחות בדרך כלל במשימה מאפשרות לנו לנתח את השפעות של התרומות שלנו על מילים תדירות נמוכה וגבוהה. בנוסף לגבירת ההופעה בין 2-53%, אנחנו משתפרים במיוחד בצורות רעשות ותדר נמוך בלי להפריע לדיוקת בצורות תדר גבוה.

Abstract

शब्द एम्बेडिंग कई प्राकृतिक भाषा प्रसंस्करण कार्यों के लिए महत्वपूर्ण हैं। एम्बेडिंग की गुणवत्ता बड़े गैर-शोर कार्पोरा पर निर्भर करती है। अरबी बोलियों में बड़े कॉर्पोरेट की कमी होती है और शोर होता है, बिना किसी मानकीकृत वर्तनी के साथ भाषाई रूप से असमान होता है। हम इस शोर को संबोधित करने के लिए तीन योगदान देते हैं। सबसे पहले, हम प्रत्येक प्रशिक्षण वाक्य में लीवरेज की गई जानकारीपूर्ण सामग्री को अधिकतम करने के लिए शब्द एम्बेडिंग टूल के लिए सरल लेकिन प्रभावी अनुकूलन का वर्णन करते हैं। दूसरा, हम एक एम्बेडिंग स्पेस में असमान बोलियों का प्रतिनिधित्व करने के तरीकों का विश्लेषण करते हैं, या तो व्यक्तिगत बोलियों को एक साझा स्थान में मैप करके या सभी बोलियों का एक संयुक्त मॉडल सीखकर। अंत में, हम शब्दकोश प्रेरण के माध्यम से मूल्यांकन करते हैं, यह दिखाते हुए कि दो मीट्रिक आमतौर पर कार्य में रिपोर्ट नहीं किए जाते हैं, हमें कम और उच्च आवृत्ति वाले शब्दों पर हमारे योगदान के प्रभावों का विश्लेषण करने में सक्षम बनाते हैं। 2-53% के बीच प्रदर्शन को बढ़ावा देने के अलावा, हम विशेष रूप से उच्च आवृत्ति रूपों पर सटीकता से समझौता किए बिना शोर, कम आवृत्ति रूपों पर सुधार करते हैं।

Abstract

Uključenje riječi ključno je za mnoge prirodne obaveze obrade jezika. Kvaliteta ugrađenja se oslanja na veliku ne-buku korporu. Arapski dijalekti nedostaju velika korpora i budu bučni, jer su jezički različiti bez standardiziranog pisanja. Imamo tri doprinosa da se riješimo buke. Prvo, opisujemo jednostavne ali učinkovite prilagodbe riječima uključujući alat za maksimaliziranje informativnog sadržaja koji se navodi na svaku kaznu za obuku. Drugo, analiziramo metode za predstavljanje različitih dijalekata u jednom ugrađenom prostoru, ili mapiranjem individualnih dijalekata u zajednički prostor ili učenjem zajedničkog model a svih dijalekata. Na kraju, procjenjujemo putem indukcije riječnika, pokazujući da dva metrika koja nije obično prijavljena u zadatku omogućava nam analizirati učinak našeg doprinosa na riječi niske i visoke frekvencije. Uz povećanje učinkovitosti između 2-53%, mi posebno poboljšamo buku, nisku frekvenciju oblike bez ugrožavanja preciznosti na visokim oblicima frekvencije.

Abstract

A szövegbeágyazások kulcsfontosságú számos természetes nyelvfeldolgozási feladat szempontjából. A beágyazások minősége nagy, nem zajos corporákon alapul. Az arab dialektusok hiányoznak nagy corporák és zajosak, nyelvileg eltérőek, szabványosított helyesírás nélkül. Három hozzájárulást adunk ennek a zajnak a kezeléséhez. Először is leírjuk a szóbeágyazási eszközök egyszerű, de hatékony adaptációit, hogy maximalizáljuk az egyes képzési mondatokban használt információs tartalmat. Másodszor, elemezzük a különböző dialektusok ábrázolására szolgáló módszereket egy beágyazott térben, akár az egyes dialektusok egy közös térbe történő feltérképezésével, akár az összes dialektus közös modelljének tanulásával. Végezetül szótár indukcióval értékeljük, kimutatva, hogy a feladatban jellemzően nem szereplő két mutató lehetővé teszi, hogy elemezzük a hozzájárulásaink alacsony és magas frekvenciájú szavakra gyakorolt hatásait. A 2-53% közötti teljesítmény növelése mellett kifejezetten javítjuk a zajos, alacsony frekvenciájú formákat anélkül, hogy veszélyeztetnénk a nagyfrekvenciájú formák pontosságát.

Abstract

Բառերի ներառումը կարևոր է շատ բնական լեզվի վերամշակումների համար: Բեղմնավորումների որակը հիմնված է մեծ ոչ աղմկոտ մարմնի վրա: Արաբական դիալեկտները բացակայում են մեծ կառուցվածք և աղմկոտ են, լեզվաբանական անհավասար են առանց ստանդարտ գրության: Մենք երեք ներդրում ենք այս աղմուկի լուծման համար: Առաջինը, մենք նկարագրում ենք պարզ, բայց արդյունավետ ադապտացիաներ բառերի ներգրավման գործիքների հետ, որպեսզի մեծացնենք տեղեկատվական պարունակությունը, որը օգտագործվում է յուրաքանչյուր նախադասության մեջ: Second, we analyze methods for representing disparate dialects in one embedding space, either by mapping individual dialects into a shared space or learning a joint model of all dialects. Վերջապես, մենք գնահատում ենք բառարանի ինդուկցիայի միջոցով, ցույց տալով, որ երկու մետրիկ, որոնք սովորաբար չեն հայտարարվում խնդրում, հնարավորություն են տալիս վերլուծել մեր ներդրումների ազդեցությունը ցածր և բարձր հաճախականության բառ In addition to boosting performance between 2-53%, we specifically improve on noisy, low frequency forms without compromising accuracy on high frequency forms.

Abstract

Pencampuran kata penting untuk banyak tugas proses bahasa alami. Kualitas penerbangan bergantung pada corpora besar yang tidak berisik. Dialek Arab tidak memiliki corpora besar dan suara, berbeda secara bahasa tanpa ejaan standar. Kami membuat tiga kontribusi untuk mengatasi suara ini. Pertama, kami menggambarkan adaptasi sederhana tapi efektif pada alat penyembedding kata untuk memaksimalkan isi informatif yang digunakan dalam setiap kalimat latihan. Kedua, kami menganalisis metode untuk mewakili dialekt yang berbeda dalam satu ruang memasukkan, baik dengan memetakan dialekt individu ke ruang berbagi atau belajar model bersama dari semua dialekt. Akhirnya, kita mengevaluasi melalui induksi kamus, menunjukkan bahwa dua metrik tidak biasanya dilaporkan dalam tugas memungkinkan kita untuk menganalisis efek kontribusi kita pada kata-kata frekuensi rendah dan tinggi. Selain meningkatkan prestasi antara 2-53%, kita secara spesifik meningkatkan pada bentuk suara, frekuensi rendah tanpa merusak akurasi pada bentuk frekuensi tinggi.

Abstract

Le incorporazioni di parole sono cruciali per molte attività di elaborazione del linguaggio naturale. La qualità degli incorporamenti si basa su grandi corpi non rumorosi. I dialetti arabi mancano di grandi corpore e sono rumorosi, essendo linguisticamente disparati senza ortografia standardizzata. Facciamo tre contributi per affrontare questo rumore. In primo luogo, descriviamo adattamenti semplici ma efficaci agli strumenti di incorporazione delle parole per massimizzare il contenuto informativo sfruttato in ogni frase di formazione. In secondo luogo, analizziamo i metodi per rappresentare dialetti disparati in uno spazio incorporato, sia attraverso la mappatura di singoli dialetti in uno spazio condiviso o imparando un modello comune di tutti i dialetti. Infine, valutiamo tramite induzione del dizionario, mostrando che due metriche non tipicamente riportate nel compito ci consentono di analizzare gli effetti dei nostri contributi sulle parole a bassa e alta frequenza. Oltre ad aumentare le prestazioni tra il 2 e il 53%, miglioriamo specificamente le forme rumorose e a bassa frequenza senza compromettere la precisione sulle forme ad alta frequenza.

Abstract

ワード埋め込みは、多くの自然言語処理タスクに不可欠です。埋め込みの品質は、大きなノイジーなコーラに依存しています。アラビア語の方言は大規模なコーパスを欠き、規格化された綴りを持たない言語的に異なっており、騒々しい。私たちはこの騒音に対処するために3つの貢献をしています。まず、各トレーニング文で活用されている有益なコンテンツを最大限に活用するために、単純でありながら効果的な単語埋め込みツールへの適応について説明します。第二に、私たちは、個々の方言を共有スペースにマッピングするか、またはすべての方言の共同モデルを学習することによって、異なる方言を1つの埋め込み空間で表現する方法を分析します。最後に、私たちは辞書帰納法を介して評価し、タスクで典型的に報告されていない2つの指標が、低頻度および高頻度の単語に対する私たちの貢献の効果を分析することを可能にすることを示します。2 ～ 53 ％のパフォーマンス向上に加え、高周波フォームの精度を損なうことなく、ノイズの多い低周波フォームで特に改善します。

Abstract

embedding kalite dialects arap mbutuh sing larang sampeyan karo akeh basa sing nguasai, kaya nguasai langkung werak gak tentang karo pasang. Awak dhéwé éntukno telu nyong kanggo nyenengaké iki. Awakdhéwé, kéné kesalahan luwih akeh sampeyan karo ngono alat sing berarti Gambar uwis 2D user Genjer-Genjer

Abstract

სიტყვების დაყენება უფრო მნიშვნელოვანია ბევრი თავისუფალური ენის პროცესი დავალებისთვის. კალთრვრა ნა თნბვეთნდჲგთრვ ჟვ ჲოაჟგა ნა დჲლწმა ნვბსქკა კჲპოჲპა. აპაბური დიალეკტები ძალიან დიალი კორპორა არსებობს და არსებობს სიტყვა, რომლებიც სიტყვანისტიკურად განსხვავებული არსებობს სტანდარტურებული სიტყვა ჩვენ მივიღეთ სამი დამატებით ამ ბუნს წარმოდგენისთვის. პირველად, ჩვენ უფრო მაგრამ ეფექტიური ადაპტიფიკაციები სიტყვების ინფორმატიური ინფორმატიური ინფორმატიური ინფორმატიური ინფორმაცია, რომელიც ყოველ განა მეორე, ჩვენ განსხვავებული დიალეკტების განსაზღვრებისთვის განსხვავებული დიალეკტების განსაზღვრებისთვის ანალექტირებთ, ან განსხვავებული დიალეკტების განსაზღვრებით, ან განსხვავებული დიალეკ საბოლოოდ, ჩვენ ვაკეთებთ სიტყვების ინდექციის გამოყენებით, რომ ორი მეტრიკი რაოდენობაში არ აღწერებულია, ჩვენ დავაკეთებთ ჩვენი ინდექციების ეფექტის ანალიზაცია ჩვენი სი 2-53%-ის განმავლობას დამატებით, ჩვენ განსაკუთრებულად უფრო მეტი სიმაღლე, ცოტა ფორმების განმავლობაში კომპრომიცირებული სიმაღლე ფორმების განმავლობაში.

Abstract

Сөздерді ендіру көпшілік тілдерді өңдеу тапсырмаларына маңызды. Ендіру сапасы үлкен дыбыс емес корпораға тәуелді. Араб диалекттері үлкен корпора жоқ және дыбыс болып, тингвистикалық түрде стандартталған емлесі жоқ. Бұл дыбысты шешуге үш көмек береміз. Біріншіден, біз сөздерді ендіру құралдарына қарапайым, бірақ ең эффективні адаптацияларын түсіндіреміз, әрбір оқыту сөздерінде мазмұнын көбейту үшін. Екіншіден, біз бөлек диалекттерді бір ендіру орында көрсету әдістерін анализирақ, немесе бөлек диалекттерді ортақ орынға картап, немесе барлық диалекттердің біріктіру үлгісін үйренеміз. Соңында, біз сөздік индукциясы арқылы бағалап, тапсырмада екі метрикалық хабарламайтынын көрсету үшін біздің қатынасыздың ефектін төмен және жылдамдық сөздеріне анализ ету мүмкіндігін көр 2- 53% арасындағы жылдамдығын күшейту үшін, біз әдетте дыбыс, жиілік түрлерінің дұрыстығын жоғары жиіліктер түрлеріне көмектеспей жасаймыз.

Abstract

단어 삽입은 많은 자연 언어 처리 임무의 관건이다.삽입된 품질은 대형 무소음 자료 라이브러리에 의존합니다.아랍어 사투리는 대형 어료 라이브러리가 부족하고 소음이 커서 언어적으로 완전히 다르고 표준화된 맞춤법이 없다.우리는 이 소음을 해결하기 위해 세 가지 공헌을 했다.우선, 우리는 모든 훈련 문장의 정보 내용을 최대한 활용하기 위해 단어 삽입 도구에 대한 간단하고 효과적인 조정을 묘사했다.그 다음에 우리는 하나의 삽입 공간에서 서로 다른 사투리를 나타내는 방법을 분석했다. 하나의 사투리를 하나의 공유 공간에 비추거나 모든 사투리의 연합 모델을 배울 수 있다.마지막으로 우리는 사전 귀납법을 통해 평가를 했는데 그 결과 임무에 일반적으로 보고되지 않은 두 가지 지표가 우리로 하여금 우리의 공헌이 저주파와 고주파어에 미친 영향을 분석할 수 있게 했다.2-53% 사이에서 성능을 향상시키는 것 외에 우리는 소음이 적은 저주파 형식을 특별히 개선하여 고주파 형식의 정확성에 영향을 주지 않았다.

Abstract

Daugeliui gamtinių kalbų apdorojimo užduočių labai svarbus žodžių įterpimas. Įdėjinių kokybė priklauso nuo didelio, neblogo korporo. Arabų dialektams trūksta didelių korprų ir jie triukšmingi, kalbiniu požiūriu skiriasi be standartizuoto rašymo. Mes darome tris indėlius sprendžiant šį triukšmą. Pirma, apibūdiname paprastus, bet veiksmingus žodžių įterpimo priemonių pritaikymus, kad būtų kuo labiau padidintas informacinis turinys, naudojamas kiekviename mokymo sakinyje. Antra, analizuojame skirtingų dialektų atstovavimo vienoje įterptoje erdvėje metodus, arba mapuojant atskirus dialektus į bendrą erdvę, arba išmokant jungtinį visų dialektų model į. Galiausiai vertiname per žodyno indukciją, parodant, kad du rodikliai, kurie paprastai nenurodyti užduotyje, leidžia mums analizuoti savo indėlio poveikį mažo ir didelio dažnio žodžiams. Be 2–53 proc. efektyvumo didinimo, mes konkrečiai geriname triukšmingas, mažo dažnio formas, nekeliant pavojaus aukšto dažnio formų tikslumui.

Abstract

Вклучувањето на зборови е клучно за многу природни задачи за обработување јазик. Квалитетот на внесувањата зависи од голема незвучна капора. На арапските дијалекти им недостасуваат големи тела и се гласни, јазички диспериментални без стандардизирана правописност. Ние даваме три придонеси за решавање на оваа бучава. Прво, опишуваме едноставни, но ефикасни адаптации на алатките за вградување на зборови за максимизирање на информативната содржина која се користи во секоја реченица за обука. Второ, анализираме методи за претставување на различни дијалекти во еден внатрешен простор, или со мапирање на индивидуални дијалекти во заеднички простор или со учење на заеднички модел на сите дијалекти. Конечно, проценуваме преку индукција на речникот, покажувајќи дека две метрики кои не се објавени обично во задачата ни овозможуваат да ги анализираме ефектите на нашите придонеси на зборовите со ниска и висока фреквенција. Покрај зголемувањето на резултатите помеѓу 2 и 53 отсто, специфично ги подобруваме звучните, ниски фреквентни форми без да ја компромисираме точноста на формите со висока фреквентност.

Abstract

സ്വാഭാവിക ഭാഷയുടെ പ്രക്രിയഭാഷ പ്രവര്‍ത്തനങ്ങള്‍ക്ക് പ്രധാനപ്പെട്ടതാണ്. അകത്തേക്കുള്ള സ്വാധീനം വലിയ ശബ്ദമില്ലാത്ത കോർപ്പോരയിലാണ്. അറബിക്ക് ഭാഷകള്‍ക്ക് വലിയ കോര്‍പ്പോറകള്‍ ഇല്ലാതാകുന്നു. ശബ്ദമുണ്ട്, ഭാഷക്കായി വ്യത്യസ്തമാക്കുന്നത് സ്ഥാപ ഈ ശബ്ദം വിശദീകരിക്കാന്‍ ഞങ്ങള്‍ മൂന്നു പങ്ക് ചെയ്യുന്നു. ആദ്യം, ഞങ്ങള്‍ എളുപ്പമുള്ള വാക്കുകള്‍ വിശദീകരിക്കുന്നത് എളുപ്പമുള്ള ഉപകരണങ്ങള്‍ക്ക് വേണ്ടിയാണ്. എല്ലാ ട്രെയിനിങ്ങളു രണ്ടാമത്, നമ്മള്‍ ഒരു അകത്തുള്ള സ്ഥലത്ത് വേര്‍തിരിക്കുന്ന ഡയലക്കുകള്‍ പ്രതിനിധിക്കുന്നതിനുള്ള രീതികള്‍ അന്വേഷിക്കുന്നു. അല്ലെങ്കില്‍ ഒരു പങ് അവസാനം, നിഘണ്ടുവിന്റെ വ്യവസ്ഥയിലൂടെ ഞങ്ങള്‍ വിലയിക്കുന്നു. ഈ ജോലിയില്‍ രണ്ടു മെട്രിക്കുകള്‍ സാധാരണയായി റിപ്പോര്‍ട്ട് ചെയ്തിട്ടില 2-53 ശതമാനത്തിനുമിടയില്‍ പ്രകടനം പ്രോഗ്രേഷന്‍ ചെയ്യുന്നതിന് കൂടാതെ, ശബ്ദം, കുറഞ്ഞ ഫ്രെയിന്‍സ് ഫോമുകളില്‍ കുറച്ച് കൂടി മെച

Abstract

Байгалийн хэл үйлдвэрлэх үйл ажиллагаас олон чухал. Хүмүүсийн жинхэнэ чанар нь том чимээгүй корпора дээр байдаг. Араб диалектууд том корпора байхгүй, чимээгүй, хэл хэлний хэлбэрээр стандартчилсан бичлэг байхгүй. Бид энэ чимээгүйг зохиохын тулд гурван оролцоо хийдэг. Эхлээд, бид сургалтын өгүүлбэр бүрт хэрэглэгдсэн мэдээллийн тодорхойлолтыг нэмэгдүүлэхэд энгийн гэхдээ үр дүнтэй адаптацийг тайлбарлаж байна. Хоёрдугаар, бид диалектуудыг нэг орон зайд хуваалцах аргыг шинжилгээ хийдэг. Нэг диалектуудыг хуваалцах орон зайд зурах эсвэл бүх диалектуудын нийлбэр загвар сурах аргыг шинжилгээ хийдэг. Эцэст нь бид сөздөг өгөгдлийн үйлдвэрлэлээр үнэлгээ үзүүлдэг. Энэ үйлдвэрлэлд хэрэглэгддэггүй хоёр метрик нь бидэнд бага, өндөр давхар хэмжээний үгийн нөлөөг шинжилгээ хийх боломжтой. 2-53% хоорондын үйл ажиллагааг нэмэгдүүлэхээс гадна бид шууд, бага давхар хэлбэрүүдийг өндөр давхар хэлбэрүүдийг тодорхойлж чадахгүй.

Abstract

Pencampuran perkataan penting bagi banyak tugas pemprosesan bahasa alami. Kualiti penerbangan bergantung pada korpra besar yang tidak bunyi. Dialekt Arab kekurangan corpora besar dan bunyi, berbeza secara bahasa tanpa ejaan standar. Kami membuat tiga kontribusi untuk mengatasi bunyi ini. First, we describe simple but effective adaptations to word embedding tools to maximize the informative content leveraged in each training sentence. Kedua, kami menganalisis kaedah untuk mewakili dialekt yang berbeza dalam satu ruang penyampaian, sama ada dengan memetakan dialekt individu ke ruang terkongsi atau mempelajari model kongsi dari semua dialekt. Akhirnya, kita menilai melalui induksi kamus, menunjukkan bahawa dua metrik tidak biasanya dilaporkan dalam tugas membolehkan kita menganalisis kesan kontribusi kita pada perkataan frekuensi rendah dan tinggi. Selain meningkatkan prestasi antara 2-53%, kami secara khusus meningkatkan pada bentuk kebisingan, frekuensi rendah tanpa mengkompromikan ketepatan pada bentuk frekuensi tinggi.

Abstract

Word embeddings are crucial to many natural language processing tasks. The quality of embeddings relies on large non-noisy corpora. Id-dijaletti Għarab m’għandhomx korpra kbira u huma storbjużi, huma lingwistikament differenti mingħajr ortografija standardizzata. Aħna nagħmlu tliet kontributi biex nindirizzaw dan l-istorbju. L-ewwel nett, niddeskrivu adattamenti sempliċi iżda effettivi għall-għodod ta’ inkorporazzjoni tal-kliem biex jimmassimizzaw il-kontenut informattiv imqaddem f’kull sentenza ta’ taħriġ. It-tieni nett, nagħmlu analiżi tal-metodi biex nirrappreżentaw id-dijaletti differenti fi spazju wieħed ta’ inkorporazzjoni, jew billi nimmappjaw id-dijaletti individwali fi spazju kondiviż jew billi nitgħallmu mudell konġunt tad-dijaletti kollha. Fl-aħħar nett, aħna jevalwaw permezz ta' induzzjoni dikjarattiva, li turi li żewġ metriċi li mhumiex tipikament irrappurtati fil-kompitu jippermettulna tanalizza l-effetti tal-kontribuzzjonijiet tagħna fuq kliem ta' frekwenza baxxa u għolja. Minbarra t-tisħiħ tal-prestazzjoni bejn 2-53%, aħna ntejbu b’mod speċifiku fuq forom storbjużi u ta’ frekwenza baxxa mingħajr ma tikkomprometti l-preċiżjoni fuq forom ta’ frekwenza għolja.

Abstract

Woordinbeddingen zijn cruciaal voor veel natuurlijke taalverwerkingstaken. De kwaliteit van embeddings is afhankelijk van grote non-noise corpora. Arabische dialecten missen grote corpora en zijn luidruchtig, zijn taalkundig verschillend zonder gestandaardiseerde spelling. We leveren drie bijdragen om dit lawaai aan te pakken. Eerst beschrijven we eenvoudige maar effectieve aanpassingen aan tools voor woordinbedding om de informatieve inhoud die wordt gebruikt in elke trainingszin te maximaliseren. Ten tweede analyseren we methoden voor het weergeven van disparate dialecten in één insluitingsruimte, hetzij door individuele dialecten in kaart te brengen in een gedeelde ruimte of door een gezamenlijk model van alle dialecten te leren. Ten slotte evalueren we via woordenboek inductie, waaruit blijkt dat twee statistieken die niet typisch worden gerapporteerd in de taak ons in staat stellen de effecten van onze bijdragen op woorden met lage en hoge frequentie te analyseren. Naast het verbeteren van de prestaties tussen 2-53%, verbeteren we specifiek lawaaierige, laagfrequente vormen zonder afbreuk te doen aan de nauwkeurigheid van hoogfrequente vormen.

Abstract

Ordinnbygging er viktig for mange naturspråkshandsamar oppgåver. Kvaliteten på innbygging er avhengig på stor ikkje støy korpora. Arabiske dialektar manglar stor korpora og er støy, som er språkstisk forskjellig med ingen standardiserte staving. Vi gjer tre bidrag til å adressa denne støyen. Først beskriver vi enkle, men effektive tilpassingar til ordinnbyggingsverktøy for å maksimere informativt innhaldet som er levert i kvar øvingssetning. Andre, vi analyserer metodar for å representera ulike dialektar i eit innbyggingsplass, anten ved å kartera individuelle dialektar til ei delt plass eller læra eit samsvarande modell av alle dialektar. Etter slutt, vi evaluerer gjennom ordbokinduksjon, og viser at to metrikar ikkje typisk rapporterte i oppgåva kan analysera effektane våre bidragar på låg og høg frekvensord. I tillegg til å styra utviklinga mellom 2-53 %, er vi spesielt bedre på støy, låg frekvensformar utan å kompromisa nøyaktighet på høg frekvensformar.

Abstract

Osadzanie tekstu jest kluczowe dla wielu zadań przetwarzania języka naturalnego. Jakość osadzeń opiera się na dużych niehałasowych korporach. Dialekty arabskie brakują dużych korpusów i są hałaśliwe, są różne językowo bez standardowej pisowni. Dokonujemy trzech wkładów, aby rozwiązać ten hałas. Po pierwsze opisujemy proste, ale skuteczne dostosowania narzędzi do osadzania słów w celu maksymalizacji treści informacyjnych wykorzystywanych w każdym zdaniu szkoleniowym. Po drugie analizujemy metody reprezentowania różnych dialektów w jednej przestrzeni osadzenia, albo poprzez mapowanie poszczególnych dialektów do wspólnej przestrzeni lub uczenie się wspólnego modelu wszystkich dialektów. Na koniec oceniamy za pomocą indukcji słownika, pokazując, że dwie wskaźniki niezgłaszane typowo w zadaniu pozwalają nam analizować wpływ naszych wkładów na słowa niskiej i wysokiej częstotliwości. Oprócz zwiększenia wydajności pomiędzy 2-53%, specjalnie poprawiamy hałaśliwe formy o niskiej częstotliwości bez naruszania dokładności w formach o wysokiej częstotliwości.

Abstract

As incorporações de palavras são cruciais para muitas tarefas de processamento de linguagem natural. A qualidade dos embeddings depende de grandes corpora não ruidosos. Os dialetos árabes carecem de corpora grandes e são barulhentos, sendo linguisticamente díspares sem ortografia padronizada. Fazemos três contribuições para lidar com esse ruído. Primeiro, descrevemos adaptações simples, mas eficazes, às ferramentas de incorporação de palavras para maximizar o conteúdo informativo aproveitado em cada frase de treinamento. Em segundo lugar, analisamos métodos para representar dialetos díspares em um espaço de incorporação, seja mapeando dialetos individuais em um espaço compartilhado ou aprendendo um modelo conjunto de todos os dialetos. Por fim, avaliamos via indução de dicionário, mostrando que duas métricas normalmente não relatadas na tarefa nos permitem analisar os efeitos de nossas contribuições em palavras de baixa e alta frequência. Além de aumentar o desempenho entre 2-53%, melhoramos especificamente as formas ruidosas e de baixa frequência sem comprometer a precisão nas formas de alta frequência.

Abstract

Încorporările Word sunt esențiale pentru multe sarcini de procesare a limbajului natural. Calitatea încorporărilor se bazează pe corpuri mari, fără zgomot. Dialectele arabe lipsesc corpuri mari și sunt zgomotoase, fiind diferite din punct de vedere lingvistic, fără ortografie standardizată. Facem trei contribuții pentru a aborda acest zgomot. În primul rând, descriem adaptări simple, dar eficiente la instrumentele de încorporare a cuvintelor pentru a maximiza conținutul informativ utilizat în fiecare propoziție de instruire. În al doilea rând, analizăm metodele de reprezentare a dialectelor disparate într-un singur spațiu de încorporare, fie prin cartografierea dialectelor individuale într-un spațiu comun, fie prin învățarea unui model comun al tuturor dialectelor. În cele din urmă, evaluăm prin inducția dicționarului, arătând că două măsurători care nu sunt raportate în mod obișnuit în sarcină ne permit să analizăm efectele contribuțiilor noastre asupra cuvintelor de joasă și de înaltă frecvență. Pe lângă creșterea performanțelor între 2 și 53%, îmbunătățim în mod specific formele zgomotoase și de joasă frecvență, fără a compromite precizia formelor de înaltă frecvență.

Abstract

Встраивание слов имеет решающее значение для многих задач обработки естественного языка. Качество вложений зависит от больших нешумных корпусов. Арабские диалекты не имеют больших корпусов и шумят, являясь лингвистически разными без стандартизированного написания. Мы вносим три вклада в борьбу с этим шумом. Во-первых, мы описываем простые, но эффективные адаптации к инструментам встраивания слов, чтобы максимизировать информативный контент, используемый в каждом учебном предложении. Во-вторых, мы анализируем методы представления разрозненных диалектов в одном пространстве вложений либо путем отображения отдельных диалектов в общем пространстве, либо путем изучения совместной модели всех диалектов. Наконец, мы оцениваем с помощью индукции словаря, показывая, что две метрики, которые обычно не указываются в задаче, позволяют нам анализировать влияние нашего вклада на низкочастотные и высокочастотные слова. В дополнение к повышению производительности между 2-53%, мы специально улучшаем на шумных, низкочастотных формах без ущерба для точности на высокочастотных формах.

Abstract

වචනය සම්බන්ධ විදිහට ස්වභාවික භාෂාව ප්‍රක්‍රියාස කරන වැඩක් විතරයි. සම්බන්ධ විශේෂතාවය ලොකු විශේෂතාවක් නැති විශේෂතාවට විශ්වාස කරන්නේ. අරාබික් ඩායාලක්ට ලොකු කොර්පෝරා අවශ්‍ය වෙනවා ඒ වගේම ශබ්දයක් වෙනවා, භාෂාවික විශේෂයෙන් ස්ථාන අපි මේ ශබ්ද විදිහට සම්බන්ධ තුනක් කරනවා. මුලින්, අපි සාමාන්‍ය නමුත් ප්‍රයෝජනය විස්තර කරන්නේ වචනය සම්පූර්ණ උපකරණය සඳහා වචනය සම්පූර්ණ විස්තර දෙවෙනි විදියට, අපි පරීක්ෂණය කරන්නේ විවිදියට පරීක්ෂණය කරන්න විදියට පරීක්ෂණය කරන්නේ විවිදියට පරීක්ෂණය කරන්න, විවිදියට පරික්ෂ අන්තිමේදි, අපි විශ්වාස ක්‍රියාත්මක විදිහට පරික්ෂණය කරන්න, පෙන්වන්නේ මෙට්‍රික් දෙකක් සාමාන්‍ය විදිහට ක්‍රියාත්මක වි 2-53% අතර විශ්වාසයෙන් වැඩ කරන්න, අපි විශේෂයෙන් විශේෂයෙන් ශබ්දය, අඩු විශ්වාසය ප්‍රමාණයක් විශ්වාසය කරන්නේ නැති ව

Abstract

Vgradnje besedila so ključnega pomena za številna opravila obdelave naravnega jezika. Kakovost vgradnje temelji na velikih brezhrupnih korpusih. Arabska narečja nimajo velikih korpusov in so hrupna, saj so jezikovno različna brez standardiziranega črkovanja. Za obravnavo tega hrupa dajemo tri prispevke. Najprej opisujemo preproste, vendar učinkovite prilagoditve orodij za vdelavo besed, da bi povečali informativno vsebino, ki jo uporabljamo v vsakem stavku usposabljanja. Drugič, analiziramo metode predstavitve različnih narečij v enem vgradnem prostoru, bodisi z mapiranjem posameznih narečij v skupni prostor bodisi z učenjem skupnega modela vseh narečij. Na koncu ocenjujemo s pomočjo indukcije slovarja in pokažemo, da dve meritvi, ki nista običajno navedeni v nalogi, omogočata analizo učinkov naših prispevkov na nizko- in visokofrekvenčne besede. Poleg povečanja zmogljivosti med 2-53%, izboljšujemo še posebej hrupne, nizkofrekvenčne oblike brez ogrožanja natančnosti visokofrekvenčnih oblik.

Abstract

Hadalka lagu soo diro waa muhiim u ah shaqada baaraandegista luuqada asalka ah. Qiimaha daryeelku waxay ku xiran tahay shirkado badan oo aan codsi lahayn. Luqadaha Carabiyadu ma baahan yihiin shirkad waaweyn, waana qaylo, iyagoo afka ku kala duwan oo aan ku qornayn hadal caadi ah. Saddex qeybood ayaannu ka qeybqaadannaa si aan uga sheekeyno codkan. Marka ugu horeysa, waxaynu sawirannaa si fudud laakiin si faa’iido leh u qornaa hadalka qalabka ku habboon si aad u sii weynaato macluumaadka macluumaadka ku saabsan xarunta waxbarashada. Second, waxaynu analyshannaa qaababka ku saabsan cudurada kala duduwan oo isku meel ka mid ah, ama sawiraadka xariijimaha ee gaarka ah, ama waxaynu baranaynaa model wadajir ah oo dhan. Ugu dambaysta, waxaynu qiimeynaynaa baaritaanka warqadda, waxaynu tusnaynaa in labo metrici aan si caadi ah u soo sheegin shaqada, waxaynu awoodnaa inaannu analysno saameyaashayada ku saabsan hadallada hoos iyo dhaqdhaqaaqa. Inta dheer oo aan horumarinno tababarka u dhexeeya 2-53 boqolkiiba, waxaynu si gaar ah u kordhinaa qaylada, foomka aad u dhaqdhaqaaqsan oo aan hoos u dhigin saxda foomka aad u dheer.

Abstract

Përfshirja e fjalëve është vendimtare për shumë detyra natyrore të procesimit të gjuhës. Kualiteti i përfshirjeve mbështetet në korpra të madhe jo zhurmuese. Dialektet arabe mungojnë trupa të mëdha dhe janë zhurmshëm, duke qenë gjuhësisht të ndryshme pa shkrim të standartizuar. Ne bëjmë tre kontribute për të trajtuar këtë zhurmë. Së pari, ne përshkruajmë përshtatje të thjeshta por efektive në mjetet e përfshirjes së fjalëve për të maksimalizuar përmbajtjen informative të përdorur në çdo fjalë trajnimi. Së dyti, ne analizojmë metodat për përfaqësimin e dialekteve të ndryshme në një hapësirë të përbashkët, ose duke hartuar dialektet individuale në një hapësirë të përbashkët ose duke mësuar një model të përbashkët të të gjitha dialekteve. Më në fund, ne vlerësojmë nëpërmjet induksionit të fjalorëve, duke treguar se dy metrika që nuk janë raportuar tipikisht në detyrë na lejojnë të analizojmë efektet e kontributeve tona në fjalët e frekuencës së ulët dhe të lartë. Përveç rritjes së performancës midis 2-53%, ne veçanërisht përmirësojmë format zhurmëshme dhe frekuencë të ulët pa kompromisuar saktësinë në format e frekuencës së lartë.

Abstract

Uklapanje reèi je kljuèno za mnoge prirodne obaveze za obradu jezika. Kvaliteta ugrađenja se oslanja na veliku nepušnu korporu. Arapske dijalekte nedostaju velika korpora i buka, jer su jezički različiti bez standardizovanog pisanja. Mi donosimo tri doprinosa da riješimo ovu buku. Prvo, opisujemo jednostavne ali efikasne prilagodbe riječima uključenim alatima za maksimaliziranje informativnog sadržaja koji se utiče na svaku kaznu za obuku. Drugo, analiziramo metode za predstavljanje različitih dijalekata u jednom ugrađenom prostoru, ili mapiranjem individualnih dijalekata u zajednički prostor ili učenjem zajedničkog model a svih dijalekata. Konačno, procjenjujemo putem indukcije rečnika, pokazujući da dve metrike koje nisu tipično prijavljene u zadatku omogućavaju da analiziramo efekte našeg doprinosa na riječi niske i visoke frekvencije. Uz povećanje učinka između 2-53%, mi posebno poboljšavamo buku, nisku frekvenciju, a da ne kompromišemo tačnost na visokim oblicima frekvencije.

Abstract

Ordinbäddningar är avgörande för många naturliga språkbehandlingsuppgifter. Kvaliteten på inbäddningar är beroende av stora icke-bullriga corpora. Arabiska dialekter saknar stora korpor och är bullriga, eftersom de är språkligt olikartade utan standardiserad stavning. Vi gör tre bidrag för att ta itu med detta buller. Först beskriver vi enkla men effektiva anpassningar till ordinbäddningsverktyg för att maximera det informativa innehåll som utnyttjas i varje utbildningsmening. För det andra analyserar vi metoder för att representera olika dialekter i ett inbäddat utrymme, antingen genom att kartlägga enskilda dialekter i ett gemensamt utrymme eller genom att lära oss en gemensam modell av alla dialekter. Slutligen utvärderar vi via ordlista induktion, vilket visar att två mätvärden som inte vanligtvis rapporteras i uppgiften gör det möjligt för oss att analysera våra bidrags effekter på låg- och högfrekventa ord. Förutom att öka prestandan mellan 2-53% förbättrar vi särskilt bullriga, lågfrekventa former utan att kompromissa med noggrannheten på högfrekventa former.

Abstract

Matokeo yanayoingiliwa ni muhimu kwa kazi nyingi za utaratibu wa lugha za asili. Ukubwa wa makampuni yanategemea kampuni kubwa isiyo na kelele. Lugha za Kiarabu hazina makampuni makubwa na ni kelele, wakitenganishwa kwa lugha bila kuandika ujumbe wa kawaida. Tunachangia michango matatu kuelezea kelele hii. Kwanza, tunaelezea mabadiliko rahisi lakini yenye ufanisi wa maneno ya vifaa vinavyoweka ili kuongeza maudhui ya taarifa yaliyotumiwa katika kila hukumu ya mafunzo. Second, we analyze methods for representing disparate dialects in one embedding space, either by mapping individual dialects into a shared space or learning a joint model of all dialects. Mwisho, tunatathmini kupitia viwanda vya dictionary, kuonyesha kuwa mbili hazitaripoti kawaida katika kazi hiyo inatuwezesha kuchambua madhara ya michango yetu kwenye maneno ya chini na yenye kiwango kikubwa. Zaidi ya kuongeza utendaji kati ya asilimia 2-53, tunaboresha hasa juu ya kelele, aina ndogo ya kiwango bila kupunguza ufanisi wa kiwango kikubwa cha frequency.

Abstract

வார்த்தை உள்ளிடுதல் பல இயல்பான மொழி செயல்படுத்தல் பணிகளுக்கு முக்கியமானது. பெரிய ஒலி அல்லாத நிறுவனத்தின் தரம். அரேபிய குறிப்பாடுகள் பெரிய நிறுவனத்தில் இல்லை மற்றும் சப்தமாக இருக்கின்றன, மொழியில் நிலைமையான எழுத்துரு நாம் இந்த சப்தத்தை விளக்க மூன்று பங்குகள் செய்கிறோம். முதலில், ஒவ்வொரு பயிற்சி வாக்கியில் உள்ள தகவல் உள்ளடக்கங்களை பெரிதாக்குவதற்கு சுலபமான ஆனால் வெளிப்படுத்தக்கூடிய மாற் இரண்டாவது, நாம் முறைகளை ஒரு குறிப்பிட்ட இடைவெளியில் பிரிப்பான டையல்களை குறிப்பிடுவதற்கான முறைகளை ஆய்வு செய்கிறோம், அல்லது தனிப்பட்ட வெளியீ இறுதியில், நாம் அகராதி தொகுப்பு வழியில் மதிப்பிடுகிறோம், செயலில் இரண்டு மெட்ரிக்கள் வழங்கப்படவில்லை என்பதை காட்டுகிறது, குறைந்த மற்று 2-53 சதவிகிதத்திற்கு இடையே மேம்படுத்தும் செயல்பாட்டை தவிர, நாம் குறிப்பாக சப்தம், குறைந்த வெளியீட்டு வடிவங்களை மேம்படுத்த

Abstract

Täbiýal diller işlemek üçin söz baglanmasy örän wajyplyr. Köpürlemekleriň keyfiýeti uly gürrüňsiz korpora ynanýar. Arapça dialektler uly korpora ýok we sesli, lingwisiýaly standart ymlany ýok bolup bilen aýratýarlar. Bu sesi çykarmak üçin üç goşmak bar. Ilkinji gezek, biz esasy ýöne esasy ýöne guralýan sözlere golaýlaşdyrýarys we olaryň howpsyzlyklaryny her öwrenme sözlerinde azaltmak üçin azaltýarys. Ikinjisi, bir düzümlerde däli dialektleri täze bir seleňde täze bir seleňde täze bir seleňe reňklendirir ýa-da bütün dialektleriň bir birlik modelini öwrenmek üçin çözümlendiris. Soňunda, sözlük alynmasynda deňleýäris we bu işde iki metrik hasaplamaýandyr. Biziň kömeklerimiziň iň ýokary we ýokary sykdaglaryň täsirlerini çözümlemek üçin mümkin edýäris. 2-53% aralygynda etkinlik güýçlendirmek üçin, gürrüň ýokary frekanslar şeklinde dogrylygyny üýtgetmek üçin düşük frekanslar şeklinde üýtgedýäris.

Abstract

کلمات ابڈینگ بہت سی طبیعی زبان کی پردازی کے لئے ضروری ہے. انڈینگ کی کیفیت بڑی غیر غیر غیر غیر غیر غیر غیر غیر غیر غیر غیر غیر غیر غیر غیر غیر غیر غیر غیر غیر عربی دیالکتوں میں بڑی کوپرا نہیں ہے اور وہ آہستہ ہیں، زبان سے کسی ایسی بات کے بغیر متفاوت ہیں۔ ہم نے اس غږ کے بارے میں تین حصہ بنایا ہے۔ پہلی بار، ہم کلمات میں انڈینگ ابزار کے لئے ساده لیکن اثبات کے اندازے بیان کرتے ہیں کہ ہر ٹرینگ مجموعہ میں استعمال کئے جاتے ہیں۔ دوسرا، ہم طریقے کا تحلیل کرتے ہیں کہ ایک ایمبڈینگ جگہ میں مختلف ڈیالوکسٹ کی نمایش کریں، یا شخصی ڈیالوکسٹ کو ایک شریک جگہ میں مکاپ کریں یا تمام ڈیالوکسٹوں کے ایک جولنٹ مدل سکھائیں. آخر میں، ہم کلیسا کے ذریعے مطابق ارزش کرتے ہیں، اور دکھاتے ہیں کہ دو میٹریک ٹائک میں معمولاً گزارش نہیں دی گئی تھی کہ ہمارے ذریعے کے اثرات کم اور بلند فرکانسی کلمات پر تحقیق کریں۔ 2-53% کے درمیان فعالیت اضافہ کرنے کے علاوہ، ہم مخصوصاً صدا، کم فرکانس فرموں پر زیادہ اضافہ کرتے ہیں، بلند فرکانس فرموں پر دقیقیقیت کو مضبوط نہیں کرتے۔

Abstract

Bu so'zlar ichki tilni boshqarish vazifalari juda muhim. Ko'pchilikning sifatida katta shaxsiy kompaniga ishonadi. Арабча маълумотлар катта композиция мавжуд эмас ва қичқириқ мавжуд, тил билан маълумотлар ўзгартирилган фойдаланмаган. Biz bu tovushni boshqarish uchun uchta qandaydir. Birinchi so'zda, biz oddiy, lekin ishlab chiqarish vositalarning asboblarini o'rganamiz va har bir taʼminlov soʻzda qo'llangan maʼlumot tarkibini yoyish uchun. Ikkinchi so'zda, biz bir joy ichida ajratilgan dialeklarni koʻrsatish usullarni analyzeriz, yoki bir necha dialeklarga qo'shilgan boʻsh joy bilan chizish yoki hamma dialeklar bir bir bir necha modelini o'rganamiz. Oxirgi, biz lugʻatning induksiyati orqali qiymatmiz, vazifani odatda ikkita metrik haqida xabar berilmagan narsalarning qiymatimizni yaratishga imkoniyat beradi. 2-53 foiz orasidagi bajarishni ko'paytirishdan ortiq, biz yuqori frequency shakllarda tezlashtirish mumkin.

Abstract

Sự nhúng vào từ là chủ yếu cho nhiều công việc xử lý ngôn ngữ tự nhiên. Chất lượng biển nối nhờ vào các hạ sĩ lớn không ồn ào. Giọng nói Ả Rập thiếu cơ thể lớn và ồn ào, khác biệt ngôn ngữ mà không có từ chính tả chuẩn. Chúng tôi đóng góp ba phần để giải quyết tiếng ồn này. Đầu tiên, chúng tôi mô tả những thay đổi đơn giản nhưng hiệu quả với các công cụ lắp ghép từ để tối đa hóa nội dung thông tin cần được dồn vào mỗi câu huấn luyện. Thứ hai, chúng ta phân tích phương pháp đại diện cho các phương ngữ khác nhau trong một sự ghép ghép ghép không gian, bằng cách phân tích các thổ ngữ cá nhân vào một không gian chia sẻ hoặc học một mô hình chung của mọi phương ngữ. Cuối cùng, chúng tôi đánh giá qua từ điển cho thấy hai âm lượng không thường được liệt kê trong nhiệm vụ cho phép chúng tôi phân tích tác động của chúng tôi lên các từ tần số thấp và cao. Ngoài việc tăng cường hiệu suất giữa 2-3n=, chúng ta còn đặc biệt cải tiến các dạng ồn ào, tần số thấp mà không ảnh hưởng độ chính xác với dạng tần số cao.

Abstract

词多自然语言务至重。嵌质依大非噪声语料库。阿拉伯语方言乏大语料库,且嘈杂,语不同,无标准化拼写。为此噪音三献。先言对词嵌具而效改编,以极句信息内容。次论嵌空异方言之法,映诸方言于共空间,或学诸方言合模。最后,以字典归质,明常所不告者二指标使能分吾贡献于低频、高频单词。自将性高2-53%外,专进噪声低频,不损高频精。

Anthology ID:: P18-2089
Volume:: Proceedings of the 56th Annual Meeting of the Association for Computational Linguistics (Volume 2: Short Papers)
Month:: July
Year:: 2018
Address:: Melbourne, Australia
Venue:: ACL
SIG:
Publisher:: Association for Computational Linguistics
Note:
Pages:: 558–565
Language:
URL:: https://aclanthology.org/P18-2089
DOI:: 10.18653/v1/P18-2089
Bibkey:
Cite (ACL):: Alexander Erdmann, Nasser Zalmout, and Nizar Habash. 2018. Addressing Noise in Multidialectal Word Embeddings. In Proceedings of the 56th Annual Meeting of the Association for Computational Linguistics (Volume 2: Short Papers), pages 558–565, Melbourne, Australia. Association for Computational Linguistics.
Cite (Informal):: Addressing Noise in Multidialectal Word Embeddings (Erdmann et al., ACL 2018)
Copy Citation:
PDF:: https://aclanthology.org/P18-2089.pdf
Poster:: P18-2089.Poster.pdf
Terminologies:

PDF Cite Search Translate Poster