Till sidans topp

Sidansvarig: Webbredaktion
Sidan uppdaterades: 2012-09-11 15:12

Tipsa en vän
Utskriftsversion

Improving Neural Network … - Göteborgs universitet Till startsida
Webbkarta
Till innehåll Läs mer om hur kakor används på gu.se

Improving Neural Network Performance by Injecting Background Knowledge: Detecting Code-switching and Borrowing in Algerian texts

Paper i proceeding
Författare Wafia Adouane
Jean-Philippe Bernardy
Simon Dobnik
Publicerad i Proceedings of the Third Workshop on Computational Approaches to Linguistic Code-switching, Melbourne, Australia, July 19, 2018
ISBN 978-1-948087-45-2
Förlag Association for Computational Linguistics
Förlagsort Melbourne, Australia
Publiceringsår 2018
Publicerad vid Institutionen för filosofi, lingvistik och vetenskapsteori
Språk en
Länkar aclweb.org/anthology/W18-3203
https://gup.ub.gu.se/file/207544
Ämnesord injecting back-ground knowledge to DNN, low-resourced languages, code-switching, sub-word embeddings, non-standardised user-generated Algerian texts
Ämneskategorier Språkteknologi (språkvetenskaplig databehandling)

Sammanfattning

We explore the effect of injecting back- ground knowledge to different deep neural network (DNN) configurations in order to mitigate the problem of the scarcity of annotated data when applying these models on datasets of low-resourced languages. The background knowledge is encoded in the form of lexicons and pre-trained sub-word embeddings. The DNN models are evaluated on the task of detecting code-switching and borrowing points in non-standardised user-generated Algerian texts. Overall results show that DNNs benefit from adding background knowledge. However, the gain varies between models and categories. The proposed DNN architectures are generic and could be applied to other low-resourced languages.

Sidansvarig: Webbredaktion|Sidan uppdaterades: 2012-09-11
Dela:

På Göteborgs universitet använder vi kakor (cookies) för att webbplatsen ska fungera på ett bra sätt för dig. Genom att surfa vidare godkänner du att vi använder kakor.  Vad är kakor?