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

PDF
TL;DR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。
ucca semantic graph parsingconstituent treesyntactic parsingbiaffine classification modelmultilingual bert
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

  • 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

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

    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。

    May, 2018

  • 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

  • 基于连续语音信号的无监督组成结构句法分析中的级联和直接方法

    该研究使用无标签口语句子和未成对文本数据进行无监督组成语法分析，比较了通过级联自动语音识别和无监督解析器方法以及直接对连续的词级语音表示进行无监督解析器训练的方法，发现后者解析效果更好。此外，准确的分割也可以实现口语句子的准确解析。最后，该研究显示了无需显式归纳偏差的情况下，直接方法也可以正确学习头波方向性。

    Mar, 2023

  • 指向式高效组成句法分析

    我们提出了一种新的成分分析模型，将分析问题转化为一系列指向任务，支持高效的自上而下编码和学习目标。实验表明，我们的方法在不使用预训练模型的情况下取得 92.78 F1 的结果，使用预训练 BERT，达到了 95.48 F1 和最先进的技术水平相当。此外，我们的方法也在多语种成分分析领域实现了最新的技术进展。

    Jun, 2020

  • 通过成分测试的无监督解析

    本文提出了一种基于无监督成分测试的无监督解析方法。通过使用一组转换和一个无监督的神经接受模型来制定无监督解析器，以生成给定句子的树，通过聚合其成分测试判断来评分。并且通过反复改进预测出的树和提高语法性模型之间的相互作用，进一步提高了准确性。

    Oct, 2020

  • 更好、更快、更强的序列标注成分解析器

    本文提出一种有效的方法来使 constituent parsing 更加准确，通过学习切换标记方案、降低标签集的稀疏性、并细化多任务学习以减少错误传播，加上辅助损失和策略梯度句子级微调等技术，成功优化了英文和中文 Penn Treebanks 数据集的连续标记 constituent parsers 的性能，并在 SPMRL 数据集上实现了更大的性能提升，包括在巴斯克语、希伯来语、波兰语和瑞典语上建立了新的 state of the art。

    Feb, 2019

  • 外语语法

    采用领域无关的注意力增强序列到序列模型在一大合成语料库的标注基础上取得了最先进的效果，训练小规模人工标注的数据集时也达到了标准解析器的表现，且较大程度上提高了数据利用率和处理速度。

    Dec, 2014

  • 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