EMNLPNov, 2019

中文语义角色标注的句法感知多任务学习框架

PDF
TL;DR本文介绍了基于统一覆盖模型的跨度和基于单词的语义角色标注，并提出了一种多任务学习框架，其中包括基本 SRL 模块和依赖性解析器模块，通过该框架，我们使用外部句法表示得到了新的最先进的中文 SRL 良好结果。
semantic role labelingchinese srlmulti-task learningdependency parserbert representations
发现论文，激发创造
  • 面向语法的多语言语义角色标注

    本研究关注于多语言语义角色标注（SRL）模型的开发，并围绕句法规则、上下文化词表示等因素展开了研究，提出了一种基于句法规则的剪枝方法，并在 CoNLL-2009 的七种语言基准测试中实现了状态 - of-the-art 的效果，并验证了深度增强表示对多语言 SRL 的有效性。

    Sep, 2019

  • 基于增强语法自注意力的语义角色标注

    本文研究了如何有效地将句法知识融入语义角色标注（SRL）任务中，使用不同质量和表示的依赖树的不同编码方法，提出了一种句法增强的自注意模型，并与其他两种强基准方法进行了比较，并使用新发布的深度上下文化词表示进行了实验。实验结果表明，通过正确地融合高质量的句法信息，我们的模型在 CoNLL-2009 数据集的中文 SRL 任务中取得了新的最佳表现。

    Oct, 2019

  • 从语法无关到语法相关的完整端到端语义角色标注器？

    本文介绍了一个端到端的神经模型，它统一处理谓语消歧和参数标记，并通过使用双仿射评分器直接预测句子中所有给定单词对的语义角色标签，达到了比现有的支持语法的 SRL 系统更好的性能。

    Aug, 2018

  • 语法感知的神经语义角色标注

    本文探讨是否在神经网络中使用额外的句法特征表示对语义角色标注（SRL）有益，实验结果表明这有助于提高 SRL 的性能，并且在 CoNLL-2005 数据集上达到了新的最先进水平。

    Jul, 2019

  • 神经语义角色标注中的语法角色

    本文使用深度学习框架，通过实验探究了句法信息对神经语义角色标注 (SRL) 的重要性，发现在一定条件下，神经 SRL 模型仍能从句法信息中获益；并且，本文使用现有模型进行了全面的实证研究，量化了句法对神经 SRL 模型的重要性。

    Sep, 2020

  • 面向学习者的语义角色标注：句法分析和 L2-L1 平行数据的重要性

    本文研究语义分析在外语（L2）环境下的应用，以语义角色标注（SRL）为案例任务、以学习汉语为案例语言。文章手动为一组学习者文本注释语义角色并建立标准数据，使用新数据评估三种现有的 SRL 系统，探究如何成功地处理学习汉语的 SRL 任务。接着，本文将引入一种基于协议的模型来探索大规模 L2-L1 并行数据中的语义连贯性信息，以增强 SRL 的学习。实验表明，新模型可以在学习文本上实现 72.06 的 F-score，比最佳基准提高了 2.02 个百分点。

    Aug, 2018

  • 语义角色标注作为依存句法分析：探究论元内部的潜在树结构

    本文提出了一种将 SRL 简化为树解析任务的方法，将平坦的论点跨度视为潜在子树，并配备新颖的 Span-constrained TreeCRF，实现了优于以往所有语法不可知作品的结果，达到了最新的最先进状态。

    Oct, 2021

  • 语义角色标注的 MRC 框架

    本篇论文提出了一种利用机器阅读理解框架来解决语义角色标注中谓词消除和论元标注之间语义联系不足问题的方法，将谓词消歧形式化为多项选择机器阅读理解的形式，然后利用所选谓词的语义角色构造查询从而解决论元标注。实验证明该方法优于先前的工作。

    Sep, 2021

  • 依存句法或句子跨度的端到端统一语义角色标注

    本文提出一种统一的、端到端的模型，用于同时处理依存和跨度语义角色标注任务，并使用统一的参数学习预测谓词和论元。在两种语义表示形式中，本模型实现了新的最先进的结果。

    Jan, 2019

  • 使用迁移学习和基于 BERT 模型的方法对波斯语语义角色进行标注

    本研究提出了一种端到端的 SRL 方法，它不仅消除了特征提取的需要，而且在实际情况下面对新样本的时候也表现出优于现有方法 16% (83.16) 的准确性改进。

    Jun, 2023