Giải pháp xây dựng kho ngữ liệu đa ngữ Việt-ÊĐê gán nhãn theo ngữ cảnh

Tóm tắt

Trong lĩnh vực xử lý ngôn ngữ tự nhiên (XLNNTN), kho ngữ liệu đa ngữ là một tài nguyên rất cần thiết. Chất lượng của kho ngữ liệu đa ngữ đóng vai trò quyết định đến chất lượng đầu ra của hệ dịch. Hệ dịch sẽ không cho kết quả tốt nếu kho ngữ liệu đa ngữ sử dụng trong quá trình huấn luyện có chất lượng không tốt cho dù được áp dụng các phương pháp học máy tiên tiến nhất. Hiện nay chưa có một kho ngữ liệu song ngữ Việt-ÊĐê với phông chữ Unicode nào đã được công bố chính thức và cho phép cộng đồng nghiên cứu có thể chia sẽ sử dụng để nghiên cứu. Từ đó, bài báo đề xuất giải pháp xây dựng kho ngữ liệu đa ngữ Việt-ÊĐê với phông chữ Unicode có xử lý nhập nhằng và từ đa ngữ nghĩa, bằng cách gán nhãn theo từng ngữ cảnh thuộc lĩnh vực giáo dục như giáo dục về chăn nuôi, trồng trọt, bảo vệ rừng, chăm sóc sức khoẻ, v.v… cho các đồng bào các dân tộc thiểu số Việt Nam.