摘要

2022年SIGMORPHON共享任务中的词素切分挑战了系统将单词分解为一系列词素的能力，涵盖了大多数类型的形态学：复合词、派生词和屈折变化。子任务1，即词级别的词素切分，涉及9种语言（捷克语、英语、西班牙语、匈牙利语、法语、意大利语、俄语、拉丁语和蒙古语）中的500万个单词，并收到了来自7个团队的13个系统提交。其中最佳系统的F1分数在所有语言中平均达到97.29%，范围从英语的93.84%到拉丁语的99.38%。子任务2，即句级别的词素切分，涉及3种语言（捷克语、英语和蒙古语）中的18,735个句子，并收到了来自3个团队的10个系统提交。最佳系统在绝对性能上超过了所有三种最先进的子词切分方法（字节对编码BPE、无监督语言模型ULM和Morfessor2），提高了30.71%。为了便于错误分析并支持未来的研究，我们发布了所有系统的预测结果、评估脚本以及所有黄金标准数据集。