Ossetic-COT: primer corpus morfológicamente anotado y analizador basado en BERT para el osético de Hierro

Los autores presentan Ossetic-COT, el primer corpus morfológicamente anotado para el osético de Hierro que se ajusta al esquema Universal Dependencies. El conjunto de datos comprende 5454 oraciones anotadas manualmente del Corpus de Textos Orales en osético de Hierro, con un total de 74032 tokens.

• El corpus está construido utilizando el esquema Universal Dependencies.
• Incluye 5454 oraciones y 74032 tokens.
• Se entrenó un analizador morfológico basado en BERT con estos datos.
• El analizador alcanza una precisión de etiquetado del 95.60%.

Este trabajo proporciona recursos esenciales para el análisis lingüístico del osético de Hierro, permitiendo un procesamiento morfológico preciso a través del analizador desarrollado.