ACLMay, 2020

神经依存句法分析的高效二阶 TreeCRF

PDF
TL;DR本文在深度学习时代，首次提出将二阶 TreeCRF 扩展到 biaffine 句法分析器，通过 27 个数据集的实验和分析，显示出在部分有标记训练数据的情况下，表现结构学习（全局 TreeCRF 损失）和高阶建模依然有用，可以进一步提高句法分析性能。
deep learningparsing modelstree crfdependency parserbiaffine parser
发现论文，激发创造
  • 快速准确的神经 CRF 短语结构句法分析

    本研究旨在提出一种快速准确的神经 CRF 成分句法分析器，采用内部算法批处理、边界表示和双仿射关注等手段，提高了句法分析的效率和性能，并在三个数据集上达到了最新的最高性能。

    Aug, 2020

  • 神经电位传递用于高阶依存句法分析

    本研究提出了一种使用双仿射算法将双仿射神经评分传播到图模型中的高阶依存分析方法来提高一阶依存分析器的精度。

    Jun, 2023

  • 神经依存分析的深度双仿射注意力

    本篇论文利用神经关注力和双仿射分类器，在较大规模的语法分析器上获得了最新的科技水平，并介绍了超参数选择对性能的显著影响。

    Nov, 2016

  • 使用端到端神经网络进行二阶语义依赖分析

    本文实现了第二阶段语义依赖解析器，使用平均场变分推理或循环置信传播算法来近似第二阶段解析，然后将两种算法展开成神经网络的递归层以进行端到端的训练，实验结果表明我们的方法实现了最新的最佳性能。

    Jun, 2019

  • Biaffine 话语依存分析

    使用双仿射模型进行神经话语依存分析，与基线分析器相比实现了显著的性能提升。使用 Chu-Liu-Edmonds 算法生成的树更深，性能更好。虽然该语料库允许非项目结构，但分析了非项目性的复杂度并发现其依赖结构不超过一个间隔度和一个边缘度。

    Jan, 2022

  • 二阶无监督神经依存句法分析

    我们提出了一种新的无监督神经依赖模型的二阶扩展，它可以包含祖父 - 子或兄弟信息，并使用基于一致性的学习框架联合训练一二阶无词汇化模型和一阶词汇化模型，实验表明我们的二阶模型在多个数据集上的效果优于最近的最先进方法，并且我们的联合模型在完整的 WSJ 测试集上取得了 10% 的改进。

    Oct, 2020

  • 神经 CRF 解析

    本文利用神经网络方法，结合了准确的 CRF 解析动态规划和丰富的非线性特征，提出了一种解析模型。该模型结构上基于 CRF，以锚定规则制作因素，而不是使用基于稀疏特征的线性势函数，使用前馈神经网络计算非线性势函数。在 Penn Treebank 第 23 节上，我们的系统优于先前最佳单个解析器结果，F1 分数达到 91.1。

    Jul, 2015

  • 使用消息传递和端到端训练的二阶神经依存句法分析

    本文提出了一种使用信息传递和端到端神经网络进行二阶图形神经依赖解析的方法，说明了我们的方法与最近最先进的二阶图形神经依赖解析器的准确度相匹配，并且在训练和测试中速度显著更快。同时，实证表明，相较于一阶解析，二阶解析的优势与使用 BERT 嵌入时的头部选择结构约束的有用性相似。

    Oct, 2020

  • 使用分层树 LSTM 进行简单优先级依赖解析

    本文提出了一种基于递归组合的循环神经网络编码器的分析树组合向量表示方法，将其作为贪心自底向上的依赖关系分析器的骨干，无需外部词嵌入，实现了英语和中文的最新精度。

    Mar, 2016

  • 全局贪心依存句法分析

    本文提出了一种能够同时进行全局特征提取和线性时间推理的依存句法分析模型，支持投影和非投影句子的解析，经检验表现良好。

    Nov, 2019