Hyppää sisältöön
    • Suomeksi
    • In English
  • Suomeksi
  • In English
  • Kirjaudu
Näytä aineisto 
  •   Etusivu
  • 3. UTUCris-artikkelit
  • Rinnakkaistallenteet
  • Näytä aineisto
  •   Etusivu
  • 3. UTUCris-artikkelit
  • Rinnakkaistallenteet
  • Näytä aineisto
JavaScript is disabled for your browser. Some features of this site may not work without it.

Beyond the English web: Zero-shot cross-lingual and lightweight monolingual classification of registers

Egbert Jesse; Laippala Veronika; Pyysalo Sampo; Hellström Saara; Oinonen Miika; Biber Douglas; Salmela Anna; Skantsi Valtteri; Rönnqvist Samuel; Repo Liina

Beyond the English web: Zero-shot cross-lingual and lightweight monolingual classification of registers

Egbert Jesse
Laippala Veronika
Pyysalo Sampo
Hellström Saara
Oinonen Miika
Biber Douglas
Salmela Anna
Skantsi Valtteri
Rönnqvist Samuel
Repo Liina
Katso/Avaa
Publisher's PDF (294.5Kb)
Lataukset: 

URI
https://aclanthology.org/2021.eacl-srw.24.pdf
Näytä kaikki kuvailutiedot
Julkaisun pysyvä osoite on:
https://urn.fi/URN:NBN:fi-fe2021093048653
Tiivistelmä

We explore cross-lingual transfer of register classification for web documents. Registers,
that is, text varieties such as blogs or news are one of the primary predictors of linguistic variation and thus affect the automatic processing of language.

We introduce two new registerannotated corpora, FreCORE and SweCORE, for French and Swedish. We demonstrate that deep pre-trained language models perform strongly in these languages and outperform previous state-of-the-art in English and Finnish.

Specifically, we show 1) that zeroshot cross-lingual transfer from the large English CORE corpus can match or surpass previously published monolingual models, and 2) that lightweight monolingual classification requiring very little training data can reach or surpass our zero-shot performance. We further analyse classification results finding that certain registers continue to pose challenges in particular for cross-lingual transfer.

Kokoelmat
  • Rinnakkaistallenteet [19207]

Turun yliopiston kirjasto | Turun yliopisto
julkaisut@utu.fi | Tietosuoja | Saavutettavuusseloste
 

 

Tämä kokoelma

JulkaisuajatTekijätNimekkeetAsiasanatTiedekuntaLaitosOppiaineYhteisöt ja kokoelmat

Omat tiedot

Kirjaudu sisäänRekisteröidy

Turun yliopiston kirjasto | Turun yliopisto
julkaisut@utu.fi | Tietosuoja | Saavutettavuusseloste