Exploring the Impact of Transliteration on NLP Performance for Low-Resource Languages: The Case of Maltese and Arabic

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F23%3A8VCVDYV8" target="_blank" >RIV/00216208:11320/23:8VCVDYV8 - isvavai.cz</a>

Výsledek na webu

<a href="https://aclanthology.org/2023.cawl-1.4/" target="_blank" >https://aclanthology.org/2023.cawl-1.4/</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.18653/v1/2023.cawl-1.4" target="_blank" >10.18653/v1/2023.cawl-1.4</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Exploring the Impact of Transliteration on NLP Performance for Low-Resource Languages: The Case of Maltese and Arabic

Popis výsledku v původním jazyce

"Multilingual models such as mBERT have been demonstrated to exhibit impressive crosslingual transfer for a number of languages. Despite this, the performance drops for lowerresourced languages, especially when they are not part of the pre-training setup and when there are script differences. In this work we consider Maltese, a low-resource language of Arabic and Romance origins written in Latin script. Specifically, we investigate the impact of transliterating Maltese into Arabic scipt on a number of downstream tasks: Part-of-Speech Tagging, Dependency Parsing, and Sentiment Analysis."

Název v anglickém jazyce

Exploring the Impact of Transliteration on NLP Performance for Low-Resource Languages: The Case of Maltese and Arabic

Popis výsledku anglicky

"Multilingual models such as mBERT have been demonstrated to exhibit impressive crosslingual transfer for a number of languages. Despite this, the performance drops for lowerresourced languages, especially when they are not part of the pre-training setup and when there are script differences. In this work we consider Maltese, a low-resource language of Arabic and Romance origins written in Latin script. Specifically, we investigate the impact of transliterating Maltese into Arabic scipt on a number of downstream tasks: Part-of-Speech Tagging, Dependency Parsing, and Sentiment Analysis."

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

2023

Kód důvěrnosti údajů

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

Název statě ve sborníku

"Proceedings of the Workshop on Computation and Written Language (CAWL 2023)"

ISBN

978-1-959429-90-6

ISSN

—

e-ISSN

—

Počet stran výsledku

11

Strana od-do

22-32

Název nakladatele

""

Místo vydání

Toronto, Canada

Místo konání akce

Toronto, Canada

Datum konání akce

1. 1. 2023

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—