摘要

在我们提交至SIGMORPHON 2022共享任务（Morpheme Segmentation）的研究中，我们探讨了无监督形态分割方法Morfessor在有监督学习场景下的有效性。先前研究已表明，该方法在标注数据量较少的半监督设置中具有显著效果。然而，当前任务在数据规模上存在差异：词级标注训练数据量较大，而句级标注训练数据量仍然有限。为此，我们采用无监督方法Morfessor对神经序列到序列模型的输入数据进行预分割，以增强模型的输入表示。由于Morfessor可直接在原始文本上进行训练，我们利用维基百科数据扩充了训练语料规模。此外，针对句级任务，我们还训练了多语言模型。实验结果表明，基于Morfessor增强的特征在三个句级任务中均表现出一定优势，但在部分词级任务中效果不显著。多语言训练显著提升了句级任务的性能，优于单一语言模型，但同时也削弱了Morfessor增强特征所带来的积极作用。