North Sámi morphological segmentation with low-resource semi-supervised sequence labeling
Stig-Arne Grönroos, Sámi Virpioja, Mikko Kurimo · 2019
Semi-supervised sequence labeling is an effective way to train a low-resource morphological segmentation system.We show that a feature set augmentation approach, which combines the strengths of generative and discriminative models, is suitable both for graphical models like conditional random field (CRF) and sequence-to-sequence neural models.We perform a comparative evaluation between three existing and one novel semi-supervised segmentation methods.All four systems are language-independent and have open-source implementations.We improve on previous best results for North Sámi morphological segmentation.We see a relative improvement in morph boundary F1-score of 8.6% compared to using the generative Morfessor FlatCat model directly and 2.4% compared to a seq2seq baseline.Our neural sequence tagging system reaches almost the same performance as the CRF topline. TiivistelmäPuoliohjattu sekvenssiluokitus on tehokas tapa opettaa morfologinen pilkontajärjestelmä kielelle, jolle on saatavilla niukasti lingvistisiä resursseja.Osoitamme, että generatiivisen mallin tuottamien piirteiden käyttäminen soveltuu paitsi graafisille malleille kuten ehdollinen satunnaiskenttä (CRF), myös sekvenssistäsekvenssiin (seq2seq) -neuroverkkomalleille.Vertailemme kolmea olemassaolevaa ja yhtä uutta puoliohjattua menetelmää.Kaikki menetelmät ovat kieliriippu