ディープラーニングアプローチを用いたボド語の品詞タグ付けシステム

要約。品詞（POS）タグ付け、固有表現認識、機械翻訳、音声認識、言語モデリングなどの言語処理システムは、高資源言語において十分に研究されています。それにもかかわらず、ボド語、ミゾ語、ナガミーズ語などのいくつかの低資源言語におけるこれらのシステムの研究は、開始されていないか、初期段階にあります。言語モデル（LM）は、現代の自然言語処理の下流タスクにおいて重要な役割を果たします。高資源言語に対するLMに関する広範な研究が行われていますが、これらの低資源言語はまだ代表されていません。本研究では、まずボド語のためのLMであるBodoBERTを紹介します。本研究が、ボド語のためのLMを開発する初めての試みであることを私たちは知っています。次に、ボド語のためのアンサンブルディープラーニングに基づくPOSタグ付けモデルを提示します。このPOSタグ付けモデルは、BiLSTMと条件付き確率場（CRF）およびBodoBERTのスタック埋め込みとバイトペア埋め込みの組み合わせに基づいています。実験では、いくつかのLMをカバーし、POSタグ付けタスクでどれくらい機能するかを確認しました。最もパフォーマンスの良いモデルは、F1スコア0.8041を達成しました。また、ボド語と同じ地域で話される言語であるアッサム語のPOSタグ付け器に関する比較実験も行いました。