ACLFeb, 2019

非词汇化基于转移的不连续性成分句法分析

PDF
TL;DR本研究比较基于词汇化和非词汇化的句法分析模型的性能表现，提出了一种基于结构 - 标签转换系统和双向 LSTM 评分系统的非词汇化转换型分析器，结果表明非词汇化模型在处理不连续组分句法结构时具有更好的性能表现，尤其是在英语和德语的领域中。
lexicalized parsingunlexicalized parserdiscontinuous constituency parsingbi-lstm scoring systemstate of the art
发现论文，激发创造
  • 基于无栈转移系统和动态 Oracle 的不连续短语结构分析

    通过使用一种新的过渡系统，将存储子树的方法改为带有常数时间随机访问的解析项集合，设计了一种能够在 4n-2 次转换中完成长度为 n 的任何不连续成分树构建的解析策略，同时引入了一个可靠的动态预测器用于该过渡系统，并在三个英语和德语的不连续成分分析树库上实现了最先进的结果。

    Apr, 2019

  • 跨语言中高古德语语法句法分析：基于非词汇化方法

    本研究旨在通过使用去词法化方法，利用现代德语 (MG) 的语法分析数据，进行从现代德语到中古高地德语 (MHG) 的跨语言转移，训练了一个在 MHG 测试集上取得了 67.3% 的 F1 分数的词法成分分析器，相较于最佳零 - shot 跨语言基线提升了 28.6% 的性能。这些结果表明，在面临类似 MHG 的古代语言中进行自动句法分析具有实用性和潜力。

    Aug, 2023

  • 使用轻微上下文敏感文法进行非监督式不连续成分句法分析

    研究语法诱导，使用线性无上下文重写系统进行无监督不连续解析，将文法形式限制为二元 LFCRS 并使用张量分解与参数化规则概率得到大量非终端符号，从而能够诱导出具有连续和不连续结构的语言学意义的树。

    Dec, 2022

  • 使用指针网络的不连续成分句法分析

    通过 Pointer Networks，我们提出了一种新的神经网络架构，可以生成到目前为止最准确的不连续成分表示，即使不需要词性标注信息，此方法在 NEGRA 和 TIGER 基准测试中均取得了最新的最优结果。

    Feb, 2020

  • 基于 LLMs 的短语结构解析

    运用大型语言模型探索生成线性化树解决成分句法分析任务，并通过实验证明模型的性能、泛化能力和挑战。

    Oct, 2023

  • 基于跨度的不连续组成句法分析：一系列时间复杂度从 O (n^6) 降至 O (n^3) 的准确基于图表的算法家族

    提出了一种用于跨度句法分析的基于图表的新算法，可以处理块度为 2 的不连续依存树，包括病态嵌套结构，在时间复杂度为 O (n^(6~3)) 之间构建其变异版本，并在德语和英语树库上评估其性能，包括预先训练的词嵌入和基于 BERT 的神经网络。

    Mar, 2020

  • 中序转移基于成分句法分析

    本研究提出了基于中序遍历的句法树的新型解析系统，该系统采用一组转移动作来平衡自底向上成分信息和自顶向下的前瞻信息，基于堆栈 LSTM 的心理语言学成分解析系统在 WSJ 基准测试上实现了 91.8 F1，并且经过有监督的重排序后可以达到 93.6 F1，经过半监督的重排序后，可以达到 94.2 F1。

    Jul, 2017

  • 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

  • 三个生成、词素化的统计句法分析模型

    本文提出了一种新的统计分析模型，该模型是一种带有词汇化上下文无关文法的生成模型。我们扩展了该模型，包括对子范畴和 wh - 移位的概率处理。在《华尔街日报》文本中的结果显示，该解析器的成分精度 / 召回分别为 88.1/87.5％，平均优于（Collins 96）2.3％。

    Jun, 1997

  • 基于跨度的成分句法分析：结构标签系统和可证明最优动态预测

    通过使用仅包含句子跨度的最小 LSTM 特征表示的新的 shift-reduce 系统以及第一个可以证明最优的动态 Oracle，该算法的时间复杂度是摊销 O（1），相比于标准依赖解析的 O（n ^ 3）Oracle，我们在使用这个 Oracle 进行训练后，在不使用重新排名或外部数据的情况下取得了最好的 F1 分数，而句法解析准确度得到了显著提高。

    Dec, 2016