著者らは、Universal Dependenciesスキーマに準拠するイラン・オセット語向けの初の形態素注釈コーパスであるOssetic-COTを発表しました。このデータセットには、Oral Textsのイラン・オセット語コーパスから手動で注釈付けされた5454文が含まれており、合計74032トークンを含みます。

  • コーパスはUniversal Dependenciesスキーマを使用して構築されています。
  • 5454文と74032トークンが含まれています。
  • このデータ上でBERTベースの形態素解析器が訓練されました。
  • 解析器はタグ精度95.60%を達成しました。

この研究は、イラン・オセット語の言語学的分析に必要なリソースを提供し、開発された解析器を通じて正確な形態素処理を可能にします。