Towards L2-friendly pipelines for learner corpora: A case of written production by L2-Korean learners

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F23%3AV9YIN5BJ" target="_blank" >RIV/00216208:11320/23:V9YIN5BJ - isvavai.cz</a>

Výsledek na webu

<a href="https://aclanthology.org/2023.bea-1.6/" target="_blank" >https://aclanthology.org/2023.bea-1.6/</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.18653/v1/2023.bea-1.6" target="_blank" >10.18653/v1/2023.bea-1.6</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Towards L2-friendly pipelines for learner corpora: A case of written production by L2-Korean learners

Popis výsledku v původním jazyce

"We introduce the Korean-Learner-Morpheme (KLM) corpus, a manually annotated dataset consisting of 129,784 morphemes from second language (L2) learners of Korean, featuring morpheme tokenization and part-of-speech (POS) tagging. We evaluate the performance of four Korean morphological analyzers in tokenization and POS tagging on the L2- Korean corpus. Results highlight the analyzers’ reduced performance on L2 data, indicating the limitation of advanced deep-learning models when dealing with L2-Korean corpora. We further show that fine-tuning one of the models with the KLM corpus improves its accuracy of tokenization and POS tagging on L2-Korean dataset."

Název v anglickém jazyce

Towards L2-friendly pipelines for learner corpora: A case of written production by L2-Korean learners

Popis výsledku anglicky

"We introduce the Korean-Learner-Morpheme (KLM) corpus, a manually annotated dataset consisting of 129,784 morphemes from second language (L2) learners of Korean, featuring morpheme tokenization and part-of-speech (POS) tagging. We evaluate the performance of four Korean morphological analyzers in tokenization and POS tagging on the L2- Korean corpus. Results highlight the analyzers’ reduced performance on L2 data, indicating the limitation of advanced deep-learning models when dealing with L2-Korean corpora. We further show that fine-tuning one of the models with the KLM corpus improves its accuracy of tokenization and POS tagging on L2-Korean dataset."

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 18th Workshop on Innovative Use of NLP for Building Educational Applications (BEA 2023)"

ISBN

978-1-959429-80-7

ISSN

—

e-ISSN

—

Počet stran výsledku

11

Strana od-do

72-82

Název nakladatele

Association for Computational Linguistics

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

—