Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/83303
Title: Thai sentence segmentation using large language models
Other Titles: การตัดประโยคภาษาไทยโดยใช้แบบจำลองทางภาษาขนาดใหญ่
Authors: Narongkorn Panitsrisit
Advisors: Attapol Thamrongrattanarit
Other author: Chulalongkorn University. Faculty of Arts
Issue Date: 2022
Publisher: Chulalongkorn University
Abstract: Thai sentence segmentation has been on the topic of interest among Thai NLP communities. However, not much literature has explored the use of transformer-based large language models to tackle the issue. We conduct three experiments on the LST20 corpus, including (1) fine-tuning WangchanBERTa, a large language model pre-trained on Thai, across different classification tasks, (2) joint learning for clause and sentence segmentation, and (3) cross-lingual transfer using the multilingual model XLM-RoBERTa. Our findings show that WangchanBERTa outperforms other models in Thai sentence segmentation, and fine-tuning it with token and contextual information further improves its performance. However, cross-lingual transfer from English and Chinese to Thai is not effective for this task.
Other Abstract: การตัดประโยคภาษาไทยเป็นเรื่องที่มีผู้สนใจอยู่มาก แต่การตัดประโยคโดยใช้แบบจำลองทางภาษาขนาดใหญ่ซึ่งใช้สถาปัตยกรรมทรานส์ฟอร์เมอร์ยังมีผู้ศึกษาไม่มากนัก ผู้วิจัยใช้คลังข้อมูล LST20 เพื่อทำการทดลองจำนวนสามการทดลองโดยประกอบไปด้วย (1) การปรับจูนการจำแนกคำในสถานการณ์ต่าง ๆ ด้วย WangchanBERTa ซึ่งเป็นแบบจำลองทางภาษาขนาดใหญ่ที่ฝึกฝนด้วยข้อมูลภาษาไทย (2) การใช้ Joint Learning สำหรับการตัดประโยคและอนุพากย์ และ (3) การถ่ายโอนข้ามภาษาโดยใช้ XLM-RoBERTa ซึ่งเป็นแบบจำลองหลากภาษา ผลการทดสอบพบว่า WangchanBERTa มีประสิทธิภาพดีกว่าแบบจำลองอื่นในการตัดประโยคภาษาไทย และเมื่อปรับจูนเพิ่มเติมด้วยข้อมูลคำและบริบทจะทำให้แบบจำลองดังกล่าวมีประสิทธิภาพดีขึ้น อย่างไรก็ตาม การถ่ายโอนข้ามภาษาจากภาษาอังกฤษและภาษาจีนไปยังภาษาไทยเป็นวิธีที่ไม่ได้ผลดีนักสำหรับการตัดประโยคภาษาไทย
Description: Independent Study (M.A.)--Chulalongkorn University, 2022
Degree Name: Master of Arts
Degree Level: Master's Degree
Degree Discipline: Linguistics
URI: https://cuir.car.chula.ac.th/handle/123456789/83303
URI: http://doi.org/10.58837/CHULA.IS.2022.31
metadata.dc.identifier.DOI: 10.58837/CHULA.IS.2022.31
Type: Independent Study
Appears in Collections:Arts - Independent Studies

Files in This Item:
File Description SizeFormat 
6480012522.pdf9.17 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.