
-
生物通官微
陪你抓住生命科技
跳动的脉搏
阿姆哈拉语语用意图检测:数据集构建与多语言模型评估
《Scientific Reports》:Pragmatic intention detection in Amharic using transformer-based model
【字体: 大 中 小 】 时间:2026年10月21日 来源:Scientific Reports 4.9
编辑推荐:
摘要理解说话者的意图在自然语言处理中是一个重要的挑战,尤其是当其意图超出了话语的字面意义时。尽管多语言技术最近取得了一些进展,但阿姆哈拉语在语用意图检测研究中的代表性仍然相对较低。本研究通过开发一个包含九个类别的平衡数据集,并评估了几种机器学习和神经语言模型,来探讨阿姆哈拉语中的
理解说话者的意图在自然语言处理中是一个重要的挑战,尤其是当其意图超出了话语的字面意义时。尽管多语言技术最近取得了一些进展,但阿姆哈拉语在语用意图检测研究中的代表性仍然相对较低。本研究通过开发一个包含九个类别的平衡数据集,并评估了几种机器学习和神经语言模型,来探讨阿姆哈拉语中的语用意图检测。该数据集包含11,475个阿姆哈拉语句子,涵盖了陈述、抱怨、问候、承诺、拒绝、请求、讽刺/反讽、建议和警告等语用类别,其中7,955个句子用于训练,1,857个用于验证,1,663个用于测试。三名独立的注释者对数据集进行了标注,达到了99.90%的一致性和0.9993的Fleiss' kappa系数,表明标注的可靠性非常高。我们将TF-IDF方法与支持向量机(Support Vector Machine)、BiLSTM、mBERT、XLM-R和AfroXLM-R进行了比较。在这些模型中,AfroXLM-R在独立测试集上的表现最为出色,准确率为79.98%,宏观F1分数为76.93%。根据McNemar精确检验(p?0.001),其性能也显著优于XLM-R。这些发现展示了多语言Transformer模型在识别阿姆哈拉语语用意图方面的潜力,并为进一步的研究提供了一个可复现的基准。本研究为推进阿姆哈拉语语用自然语言处理和技术发展提供了标注资源和实证基础。