Studying the Learning Curves of a Statistical Dependency Parser for Four Languages

Multilingual dependency parsing is gaining popularity in recent years for several reasons. Dependency structures are more adequate for languages with freer word order than the traditional constituency notion. There is a growing availability of dependency treebanks for new languages. Broad coverage statistical dependency parsers are available and easily portable to new languages. Dependency parsing can provide useful contributions in areas such as information extraction, machine translation and question answering, among others. In addition, syntactic head-dependent pairs are a good interface between the traditional phrase structures and semantic theta roles. In this paper we present the learning curves of a statistical dependency parser for four languages: Arabic, Bulgarian, Italian and Slovene. We discuss issues that mostly concern the employed annotation scheme for each treebank with an emphasis on coordinated structures. We also investigate how these issues are related to the learning curve for each language. Preučevanje krivulje učenja statističnega odvisnostnega razčlenjevalnika za štiri jezike Večjezično odvisnostno skladenjsko razčlenjevanje postaja v zadnjih letih vse bolj privlačno zaradi vrste razlogov. Odvisnostne strukture so za jezike s prostejšim besednim redom primernejše kot pa tradicionalne, ki temeljijo na konstituentih, poleg tega pa je na voljo vse več odvisnostnih drevesnic za nove jezike. Statistični odvisnostni razčlenjevalniki s širokim pokritjem so dostopni in lahko prenosljivi na nove jezike. Odvisnostno razčlenjevanje je lahko koristen prispevek področjem, kot so luščenje podatkov, strojno prevajanje in sistemi za odgovarjanje na vprašanja. Poleg tega so skladenjski pari jedro-odvisnica dobri vmesniki med tradicionalno frazno strukturo in pomenskimi vlogami. V članku predstavimo krivulje učenja statističnega odvisnostnega razčlenjevalnika za štiri jezike: arabskega, bolgarskega, italijanskega in slovenskega. Razpravljamo o vprašanjih, ki se dotikajo predvsem uporabe označevalne sheme za vsako drevesnico s poudarkom na zgradbi priredij. Preučimo tudi, kako so ta vprašanja povezana s krivuljo učenja za vsakega od jezikov.