Mar, 2016

使用分层树 LSTM 进行简单优先级依赖解析

PDF
TL;DR本文提出了一种基于递归组合的循环神经网络编码器的分析树组合向量表示方法，将其作为贪心自底向上的依赖关系分析器的骨干，无需外部词嵌入，实现了英语和中文的最新精度。
发现论文，激发创造
  • 使用双向 LSTM 特征表示进行简单准确的依存句法分析

    使用双向 LSTM 神经网络构建特征向量，在依存句法分析中实现最新的结果。

    Mar, 2016

  • 带有 Stack LSTMs 的贪婪式联合句法语义分析

    本文介绍了一种基于转换的解析器，可以同时生成句法和语义依存关系，使用长短期记忆技术来学习算法状态的表示，并具有线性时间复杂度和特征提取，是目前在同时学习语法和语义的解析模型中性能最优的一种。

    Jun, 2016

  • 基于联合 RNN 的贪心分析与词汇组合

    本文介绍了一种基于神经网络的贪心解析器，利用一种新的组合子树表示方法。该解析器和组合过程共同训练，且相互之间密切相关。使用连续（单词或标签）表示和循环神经网络进行组合和标记。我们在具有速度优势的同时获得了与众所周知的现有解析器相当的 F1 性能。

    Dec, 2014

  • 利用无监督树形 LSTMs 联合学习句子嵌入和句法

    该论文介绍了一种利用二进制语法树和 Tree-LSTM 组成的神经网络，可在自然语言图表解析器的帮助下同时优化组成函数和解析器，进而实现无监督的树形 RNN，并在文本蕴涵任务和反向字典任务中表现优越。

    May, 2017

  • 具有堆栈长短期记忆的基于转移的依赖句法分析

    该文提出了一种新的序列到序列神经网络控制结构 —— 堆栈 LSTM，用于学习过渡式依赖解析器的解析状态，将其应用于解析模型中，实现了解析器状态的三个方面，提高了解析性能。

    May, 2015

  • 使用双向 LSTM 进行最小特征的增量分析

    本研究利用双向 LSTM 句子表示模型以及新颖的转移系统，成功实现了依存句法和短语句法的有监督学习，达到了最先进的效果。

    Jun, 2016

  • 利用 LSTM 对字符而非单词建模以提升转移式句法分析

    本文介绍了一种针对形态丰富的语言的连续状态依赖解析扩展方法，使用 LSTM 循环神经网络来学习表示解析器状态，将基于查找的词表示替换为由单词的正字表示构成的表示，使用字符编码来提高解析模型的表现。

    Aug, 2015

  • 基于 LSTM 的依存句法递归子树组成

    研究神经依赖解析中树形结构模型需要在序列模型之上添加的必要性，通过双向 LSTM 提取的特性进行了模型基础，证明前向 LSTM 和组合提取相似信息并且组合提取更适用于基于转移的解析器。

    Feb, 2019

  • 将一组贪婪依存解析器提炼为一个 MST 解析器

    介绍了两个第一阶段基于图的依存解析器，第一个是通过集成学习同质模型的共识解析器，利用最小贝叶斯风险解码法和 Hamming 代价，结合集成中的不确定性评估进行训练，第二个则是将集成模型压缩成单一模型的 'distillation' 解析器，利用新颖的结构化铰链损失函数避免了普通 'distillation' 目标的不可解交叉熵，首次在英语、汉语和德语上达到或超过了现有最先进水平。

    Sep, 2016

  • 可行的依存句法分析作为序列标注

    本文研究使用基于 BiLSTM 的序列标注方法重构了依存句法分析，并通过在 PTB 和 UD 树库样本上的实验，证明该方法在速度和准确性之间提供了很好的平衡，结果与更复杂的方法相当竞争力。

    Feb, 2019