MMMay, 2018

SemEval 2019 共享任务：基于 UCCA 的跨语言语义分析 - 参与征集

PDF
TL;DR本文宣布发起一项横跨英语、德语和法语的 UCCA 解析共享任务，目的是为构建一种跨语言框架的语义表示，并通过挑战已有的解析技术推动该领域的发展，进而使基于 UCCA 的自然语言处理应用受益。
发现论文，激发创造
  • SemEval-2019 任务 1：使用 UCCA 进行跨语言语义分析

    介绍 SemEval 2019 有关英语、德语和法语 UCCA 解析的任务和参与系统和结果。

    Mar, 2019

  • 2019 年 SemEval 任务 1 中苏州大学 HLT 小组：将 UCCA 图解析为组成树解析

    本文介绍了一种简单的 UCCA 语义图解析方法，将 UCCA 语义图转换为组成树，使用设计的额外标签作为未来恢复远程边缘和不连续节点的标记，并使用现有的句法分析技术。此系统在七个参与系统中的六个英语 / 德语闭合 / 开放跟踪中排名第一，在第七个跨语言跟踪中，它通过使用英语和德语培训数据的语言嵌入方法，将我们的结果排名第二。

    Mar, 2019

  • 跨语义表示的多任务解析

    本文针对语义解析的性能进行改进，使用多任务学习方法，将 UCCA 解析作为测试案例，辅助任务包括 AMR 解析、SDP 解析和 Universal Dependencies 解析。实验表明，多任务学习显著提高了 UCCA 解析的性能。

    May, 2018

  • 基于转移的有向无环图解析器用于 UCCA

    我们提出了第一个 UCCA 解析器，它是一个跨语言适用的语义表示框架，具有重要的形式特性，包括 reentrancy、不连续结构和复杂的语义单元。我们提出的基于双向 LSTMs 的转移式解析器不仅适用于 UCCA 解析，还能够扩展到其他具有类似形式属性的语义 DAG 结构的解析。

    Apr, 2017

  • 通过转化比较：从句法和词汇语义的角度逆向工程 UCCA

    通过两种方法比较语言表征框架之间的映射，采用 STREUSLE corpus（具有句法和词汇语义注释）转换为 UCCA 的规则转换器和使用来自其他语言表征框架的信息作为特征的监督去 lexicalized 解析器，评估它们之间的映射关系。尽管两种方法在 UCCA 中产生了极高的准确性，但我们仍然发现了一些重要的分歧区域。

    Nov, 2020

  • UCCA 基础层：注释指南 v2.1

    这是 Universal Conceptual Cognitive Annotation（UCCA）注释手册，特别是基础层的注释说明。UCCA 是一种基于语言类型学原理的基于图形的语义注释方案，其已经应用于多种语言，主要在英语中给出示例。本教程的进一步资源可以在项目主页上找到。

    Dec, 2020

  • 零样本跨语言语义解析

    本文提出一种多任务编码 - 解码模型，通过多语言领域内语料库和英文 - 逻辑形式对标数据，在没有平行语料的情况下完成跨语言的语义解析，模型加强了语言无关编码，显著优于传统基于翻译的算法，有时能与有监督模型的上线媲美。

    Apr, 2021

  • 句法和语义表征中的内容差异

    本文探讨句法分析在语义分析中的作用，并以 Universal Dependencies 和 UCCA 为案例进行比较研究。研究发现，两种分析方案的显著差异主要集中在情景场景与非情景场景的区分、主从关系与参与关系的区分、多词语表达式的处理、以及从句间的连接方式等四个方面，这表明在文本理解这方面，语义分析方法在下游应用中可能比语法分析方法更加有效。

    Mar, 2019

  • 通过 UCCA 将语义结构纳入机器翻译评估

    本文提出了一种基于 UCCA 的 MT 评估方法 SWSS，它能够识别语义核心词，并在其基础之上计算句子相似度得分。实验结果表明，SWSS 能够稳定提高基于词汇相似度的常见 MT 评估指标的性能。

    Oct, 2020

  • 多语言任务导向对话的情境语义解析

    通过机器翻译自动翻译对话数据集并使用新的上下文语义解析模型，该方法在多个数据集上提高了准确性并创建了高准确度的多语言对话数据集。

    Nov, 2021