Les chercheurs ont mis en œuvre un pipeline d'annotation neuronal pour l'Irabu Ryukyuan afin d'automatiser la création de textes interlinéarisés, répondant ainsi au coût élevé de la documentation manuelle. L'étude a évalué la segmentation des morphèmes, l'étiquetage POS et le glosage à l'aide de petits modèles BiLSTM-CRF dans le cadre d'une contrainte stricte d'environ une heure de discours annoté.
- Les étiquettes POS oracles ont amélioré la précision du glosage grammatical en moyenne de 4,4 points sur cinq graines.
- L'avantage des étiquettes POS a augmenté à mesure que les données d'entraînement diminuaient, offrant un gain de 11,6 points au quart du volume de données.
- Une couche POS a réduit de plus de moitié la quantité de données glosées nécessaires pour atteindre un seuil de précision spécifique.
- Dans les pipelines entièrement automatiques, les erreurs des étiqueteurs empêchent actuellement de réaliser ces gains, bien qu'une récupération soit prévue à des précisions d'étiquetage plus élevées.
Les auteurs recommandent d'annoter quadrilinéairement (texte, POS, glosage, traduction) afin de maximiser l'efficacité des flux de travail de documentation automatisée pour les langues en danger.