ÚFAL Submission for SIGTYP Supervised Cognate Detection Task

Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F23%3A10476180" target="_blank" >RIV/00216208:11320/23:10476180 - isvavai.cz</a>
Výsledek na webu
<a href="https://aclanthology.org/2023.sigtyp-1.14" target="_blank" >https://aclanthology.org/2023.sigtyp-1.14</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.18653/v1/2023.sigtyp-1.14" target="_blank" >10.18653/v1/2023.sigtyp-1.14</a>

Jazyk výsledku
angličtina
Název v původním jazyce
ÚFAL Submission for SIGTYP Supervised Cognate Detection Task
Popis výsledku v původním jazyce
In this work, I present ÚFAL submission for the supervised task of detecting cognates and derivatives. Cognates are word pairs in different languages sharing the origin in earlier attested forms in ancestral language, while derivatives come directly from another language. For the task, I developed gradient boosted tree classifier trained on linguistic and statistical features. The solution came first from two delivered systems with an 87% F1 score on the test split. This write-up gives an insight into the system and shows the importance of using linguistic features and character-level statistics for the task.
Název v anglickém jazyce
ÚFAL Submission for SIGTYP Supervised Cognate Detection Task
Popis výsledku anglicky
In this work, I present ÚFAL submission for the supervised task of detecting cognates and derivatives. Cognates are word pairs in different languages sharing the origin in earlier attested forms in ancestral language, while derivatives come directly from another language. For the task, I developed gradient boosted tree classifier trained on linguistic and statistical features. The solution came first from two delivered systems with an 87% F1 score on the test split. This write-up gives an insight into the system and shows the importance of using linguistic features and character-level statistics for the 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)

Rok uplatnění
2023
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku
Proceedings of the 5th Workshop on Research in Computational Linguistic Typology and Multilingual NLP
ISBN
978-1-959429-56-2
ISSN
—
e-ISSN
—
Počet stran výsledku
5
Strana od-do
132-136
Název nakladatele
Association for Computational Linguistics
Místo vydání
Stroudsburg, PA, USA
Místo konání akce
Dubrovnik, Croatia
Datum konání akce
2. 5. 2023
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—

Podobné výsledky(10)