A DOMAIN-KNOWLEDGE-BASED MODEL FOR REFERENCE RESOLUTION IN LOW-RESOURCE LANGUAGES

Аннотация

Разрешение референций (reference resolution) является критически важной задачей в обработке естественного языка (NLP), необходимой для глубокого понимания текста. Однако современные методы глубокого обучения требуют больших аннотированных корпусов, что делает их применение затруднительным для малоресурсных языков. В данной работе предлагается модель, основанная на интеграции знаний предметной области для повышения эффективности разрешения кореференции в условиях дефицита данных. Предложенный подход комбинирует статистические алгоритмы с правилами, извлеченными из предметных онтологий и семантических ограничений. Использование априорных знаний позволяет компенсировать нехватку обучающих примеров, сужая пространство поиска антецедентов. Экспериментальные результаты демонстрируют, что внедрение знаний предметной области значительно улучшает метрики качества (F1-score) по сравнению со стандартными методами машинного обучения. Исследование открывает новые возможности для создания интеллектуальных систем анализа текста для языков с ограниченными цифровыми ресурсами.