ACLOct, 2017

非投影依存句法分析及其非局部转移

PDF
TL;DR本研究提出了一种新颖的转换系统，基于 Covington 非投影解析器，引入了非局部转换，可直接创建涉及当前焦点位置左侧节点的弧，从而避免了创建远距离弧的长序列 No-Arc 转换，从而减轻了错误传播。结果解析器的性能优于原始版本，并在贪心转换算法中在 Stanford Dependencies 转换 Penn Treebank 方面实现了最佳准确性。
transition systemcovington non-projective parserarcsno-arc transitionsdependency parsing
发现论文，激发创造
  • 适用于不受限非投影句法分析的完整非单调转换系统

    本文提出了一种基于 Covington 算法的全非单调转移系统，并开发了几种非单调变体的动态预测器，从而探索训练过程中的错误操作。在 CoNLL-X 和 CoNLL-XI 共享任务的数据集上进行实验，实验结果显示，非单调的动态预测器在大部分语言中表现优于单调版本。

    Jun, 2017

  • 全球基于转移的非投影依存句法分析

    通过将转移型句法分析器的动态规划实现与最小集的双向 LSTM 功能相结合，Shi、Huang 和 Lee (2017) 获得了英语和汉语依存句法分析最先进的结果，但受限于投影分析。在本文中，我们通过提供 MH_4 算法的第一个实际实现，扩展了他们的方法以支持非投影性，在非投影性树库上具有非常高的覆盖率，并简化该算法以适应最少的转移型特征集。我们因此获得了非投影性转移型分析的全局解码的第一个实现，并证明它在解析一些高度非投影性的语言方面比其投影对应物更有效。

    Jul, 2018

  • 全局贪心依存句法分析

    本文提出了一种能够同时进行全局特征提取和线性时间推理的依存句法分析模型，支持投影和非投影句子的解析，经检验表现良好。

    Nov, 2019

  • 无限制 AMR 解析的基于转移的算法

    本研究提出了一种贪心的从左到右的非投射转移句法分析器，旨在处理 AMR 图中的循环和重新进入，能够原生地处理重新进入和任意循环，模型在 LDC2015E86 语料库上获得 64％的 Smatch 的结果，并在重新进入的边缘上表现良好。

    May, 2018

  • Arc-swift: 一种依存句法分析的新型过渡系统

    本文介绍了一种基于转移的依存句法分析方法 ——arc-swift。该方法可以在单次转换中实现更远的词语之间的直接连接，从而更直接地利用词汇信息进行转换决策，因此在公布的两个数据集上达到了较高的性能表现并减少 3.7-7.6% 的错误率。

    May, 2017

  • 基于指针网络的基于转换的语义依存句法分析

    通过使用 pointer networks 实现的转移句法分析器在依赖句法分析方面已经成为最新的技术水平，我们提出了一种基于指针网络的转移系统，可以直接生成标记有方向无环图并实现语义依赖分析。同时，我们使用从 BERT 提取的深层上下文化的词嵌入来增强我们的方法。这一结果不仅超越了所有现有的基于转移的模型，而且还匹配了 SemEval 2015 任务 18 英语数据集上先前最先进的基于图形的解析器的最佳完全监督准确率。

    May, 2020

  • 指针网络实现的从左到右定向依存句法分析

    提出了一种新颖的基于转移的算法，采用指针网络框架，从左到右直接将句子解析为 $n$ 个附加部分，避免使用原始的自上而下堆栈指针解析器，并将转换序列长度减半，得到了一个二次非投影解析器，在完全监督单模型依赖解析器中取得了迄今最好的准确度，并在大多数语言测试中改进了以前的自上而下转移系统。

    Mar, 2019

  • 非投影转移依存分析器中的精确推理覆盖范围和运行时间复杂度的改进

    该论文提出了一种广义的非投影转移依存句法分析器，允许多项式时间的精确推断，可以在投影和非投影转移句法分析中提供更好的覆盖率和更好的运行时间保证。

    Apr, 2018

  • 神经变分转移句法分析中的依赖语法归纳

    本研究提出了一种基于神经网络的转移句法解析器，利用变分推断、后验正则化和方差减小技术训练模型，实现了无监督依赖语法归纳并在英语 Penn Treebank 和 Universal Dependency Treebank 上取得了可以与基于图的模型相媲美的表现，并且在实验比较中显示出比基于图的模型更快的解析速度。

    Nov, 2018

  • 多任务指针网络用于多表现解析

    提出了一种基于转换的方法，通过训练单个模型，可以有效地解析任何输入句子，支持连续 / 投影和不连续 / 非投影的句法结构，并证明了这两种句法形式可以在训练过程中互相受益，提高了在多个基准测试中的准确性，如英语和中文 Penn 树库以及德语 NEGRA 和 TIGER 数据集。

    Sep, 2020