MADARTB

新阿拉伯语依存句法树库揭示方言句法分歧 · 跟踪到1个来源

研究人员开发了MADARTB，这是首个大规模阿拉伯语并行依存句法树库，涵盖五个城市方言（贝鲁特、开罗、多哈、拉巴特和突尼斯）以及现代标准阿拉伯语。该数据集包含5000个句子，使用CATiB依存方案进行标注，揭示了尽管整体结构相似，但方言之间存在显著的句法差异。使用监督解析器和四个LLM进行的比较显示，监督解析器在测试集上达到了87.5%的LAS，而表现最好的LLM达到了85.7%的LAS。这些标注和模型正在公开发布。