Os pesquisadores implementaram um pipeline de anotação neural para o Ryukyuan de Irabu para automatizar a criação de textos interlineados, abordando o alto custo da documentação manual. O estudo avaliou a segmentação de morfemas, a etiquetagem POS e a glosa usando pequenos modelos BiLSTM-CRF sob uma restrição rigorosa de aproximadamente uma hora de discurso anotado.
- As etiquetas POS de referência melhoraram a precisão da glosa gramatical em 4,4 pontos em média em cinco sementes.
- O benefício das etiquetas POS aumentou à medida que os dados de treinamento diminuíam, gerando um ganho de 11,6 pontos com um quarto do volume de dados.
- Uma camada POS reduziu a quantidade de dados glosados necessários para atingir um limiar de precisão específico em mais da metade.
- Em pipelines totalmente automáticos, os erros do etiquetador atualmente impedem a realização desses ganhos, embora a recuperação seja projetada para maiores precisões do etiquetador.
Os autores recomendam anotar quadrilinearmente (texto, POS, glosa, tradução) para maximizar a eficiência dos fluxos de trabalho de documentação automatizados para línguas em perigo de extinção.