语义角色标注的结构调整

ACLMay, 2020

Structured Tuning for Semantic Role Labeling

Tao Li, Parth Anand Jawale, Martha Palmer, Vivek Srikumar

TL;DR本文提出了一种结构调整框架，以在训练时通过软化约束来提高模型性能，利用神经网络的表达能力和具有结构化损失的监督学习组件，通过实验证明可以在语义角色标注任务中取得比 RoBERTa 等基线更好的结果，并在低资源情况下实现了持续改进。

Abstract

Recent neural network-driven semantic role labeling (SRL) systems have shown impressive improvements in F1 scores. These improvements are due to expressive input representations, which, at least at the surface, a

neural network semantic role labeling structured tuning framework supervised learning low-resource scenarios

发现论文，激发创造

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

深度语义角色标注的半监督学习

该研究论文提出了一种半监督的语义角色标注方法，该方法基于神经网络的隐层状态生成词汇特征，明确地加入并控制句法特征的不一致性，以实现更好地语义角色标注，尤其是在数据稀缺的情况下，并在 CoNLL-2012 英文部分中取得了相对于基准模型更好的结果。

Aug, 2018

迭代结构细化进行的语义角色标注

该文介绍了一种用于语义角色标注（SRL）的迭代优化方法及网络结构，通过建立非局部交互关系，有效提高了模型表现，在七种 CoNLL-2009 中取得了最优表现并在其中五种语言中的英语数据集上取得了最新的成果。

Sep, 2019

用于稳健结构预测的结构化语言生成模型

我们提出了结构化语言生成模型（SLGM），这是一种结合新的损失函数和推理方法，以更好地泛化结构化输出的混合模型。

Feb, 2024

中文语义角色标注的句法感知多任务学习框架

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。

Nov, 2019

带自注意力的深度语义角色标注

本文提出了一种基于自我注意力机制的新型神经网络架构以实现语义角色标注，能够解决循环神经网络在处理结构信息和长距离依赖时面临的主要挑战，其在 CoNLL 2005 和 CoNLL 2012 语义角色标注竞赛中的 F1 得分分别超过了之前的最佳成绩。此外，我们的模型计算效率高，单个 Titan X GPU 可以处理 50000 个标记每秒。

Dec, 2017

语义角色标注引导下的多轮对话重述

该研究提出使用语义角色标注为多轮对话改写提供指导，达到更好的性能，实验证明这可明显提高 RoBERTa 模型性能。

Oct, 2020

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

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