A BERT's Eye View: Identification of Irish Multiword Expressions Using Pre-trained Language Models

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F22%3AQCXFI9DD" target="_blank" >RIV/00216208:11320/22:QCXFI9DD - isvavai.cz</a>

Výsledek na webu

<a href="https://aclanthology.org/2022.mwe-1.13" target="_blank" >https://aclanthology.org/2022.mwe-1.13</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

A BERT's Eye View: Identification of Irish Multiword Expressions Using Pre-trained Language Models

Popis výsledku v původním jazyce

This paper reports on the investigation of using pre-trained language models for the identification of Irish verbal multiword expressions (vMWEs), comparing the results with the systems submitted for the PARSEME shared task edition 1.2. We compare the use of a monolingual BERT model for Irish (gaBERT) with multilingual BERT (mBERT), fine-tuned to perform MWE identification, presenting a series of experiments to explore the impact of hyperparameter tuning and dataset optimisation steps on these models. We compare the results of our optimised systems to those achieved by other systems submitted to the shared task, and present some best practices for minority languages addressing this task.

Název v anglickém jazyce

A BERT's Eye View: Identification of Irish Multiword Expressions Using Pre-trained Language Models

Popis výsledku anglicky

This paper reports on the investigation of using pre-trained language models for the identification of Irish verbal multiword expressions (vMWEs), comparing the results with the systems submitted for the PARSEME shared task edition 1.2. We compare the use of a monolingual BERT model for Irish (gaBERT) with multilingual BERT (mBERT), fine-tuned to perform MWE identification, presenting a series of experiments to explore the impact of hyperparameter tuning and dataset optimisation steps on these models. We compare the results of our optimised systems to those achieved by other systems submitted to the shared task, and present some best practices for minority languages addressing this task.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

—

Návaznosti

—

Rok uplatnění

2022

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Proceedings of the 18th Workshop on Multiword Expressions (MWE 2022) n@LREC2022

ISBN

979-10-95546-90-0

ISSN

—

e-ISSN

—

Počet stran výsledku

11

Strana od-do

89-99

Název nakladatele

European Language Resources Association

Místo vydání

—

Místo konání akce

Marseille, France

Datum konání akce

1. 1. 2022

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—