Los investigadores implementaron una canalización de anotación neuronal para el Ryukyuan de Irabu con el fin de automatizar la creación de textos interlineados, abordando el alto costo de la documentación manual. El estudio evaluó la segmentación de morfemas, la etiquetación POS y el glosado utilizando pequeños modelos BiLSTM-CRF bajo una restricción estricta de aproximadamente una hora de discurso anotado.

  • Las etiquetas POS de referencia mejoraron la precisión del glosado gramatical en 4,4 puntos en promedio en cinco semillas.
  • El beneficio de las etiquetas POS aumentó a medida que disminuían los datos de entrenamiento, obteniendo una ganancia de 11,6 puntos con un cuarto del volumen de datos.
  • Una capa POS redujo la cantidad de datos glosados necesarios para alcanzar un umbral de precisión específico en más de la mitad.
  • En canalizaciones totalmente automáticas, los errores del etiquetador actualmente impiden realizar estas ganancias, aunque se proyecta una recuperación con mayores precisiones del etiquetador.

Los autores recomiendan anotar cuatrilinealmente (texto, POS, glosado, traducción) para maximizar la eficiencia de los flujos de trabajo de documentación automatizados para lenguas en peligro de extinción.