Sep, 2020

基于大规模数据集的实用中文依存句法分析器

PDF
TL;DR本研究介绍了 Baidu 依存分析器（DDParser），一个新的中文依存分析器，它是基于大规模手动标注数据集 ——Baidu 中文树库（DuCTB）训练的。DDParser 使用基于图的双仿射解析器，并对中文数据集的特征进行了调整，采用两个测试集测试，取得了 92.9％和 86.9％的标记连接分数（LAS），并取得了最先进的结果，并在 https URL 公开发布。
dependency parsingneural networksbaidu chinese treebankgraph-based biaffine parserstate-of-the-art results
发现论文，激发创造
  • 汉语对话级依存句法分析的初步研究

    研究了汉语对话级别的依存分析，利用句法依存和修辞结构理论的思想，开发了一个人工注释的高质量语料库，探索了零样本和少样本场景，并考虑采用基于信号检测的方法将先前存在的句法依存转化为单元话语之间的未见依存的场景。通过单视图和多视图数据选择来获取可靠的伪标签实例，实验结果表明了这些基线的有效性。同时，我们还讨论了有关数据集和方法的几个关键点。

    May, 2023

  • 越南依赖解析的实证研究

    本文比较了不同的依赖关系解析器对于越南语的表现，实验结果显示基于神经网络的解析器显著优于传统解析器，在标注和未标注附着得分上分别达到了 73.53% 和 80.66%，是目前公布的越南语最高的解析得分。

    Nov, 2016

  • 从零开始的通用依存句法分析

    该论文介绍了 Stanford 的 CoNLL 2018 UD 共享任务中的系统，这是一个完整的神经管道系统，可以将原始文本作为输入，并执行共享任务所需的所有任务，从分词和句子分割到词性标注和依赖关系解析，并通过广泛的消融研究展示了不同的模型组件的有效性。

    Jan, 2019

  • 基于深度上下文自训练的低资源依存句法分析

    本文提出了一种自我训练算法 Deep Contextualized Self-training (DCST)，利用序列标注的表示模型来解决大量标注数据的问题，并通过控制机制将这些模型集成到基础解析器中，并在多语言实验中取得了优异的成绩。

    Nov, 2019

  • 众多语言，一种解析器

    使用多语言模型进行依赖解析，通过使用多语言单词聚类和嵌入，令解析器能够在多种语言中进行有效解析，同时基于语言普遍规律和类型相似性实现跨语言推断，从而使其能够更有效地从有限的注释中进行学习。

    Feb, 2016

  • 一次性读取、标记和解析，或完全神经依存句法分析

    用单个深度神经网络实现的依赖关系解析器，无需词性标注即可直接生成依存关系及其标签，经过多任务学习和适当的正则化和额外监督训练，在没有语言特征的情况下，在斯拉夫语 UD 树库中表现为最高准确性。

    Sep, 2016

  • 基于二元词法依赖的新统计分析器

    该研究描述了一种基于头词间依赖概率的新型统计解析器，将标准的二元概率估计技术扩展到计算词对间的依赖概率，测试表明该方法至少与 SPATTER（Magerman 95，Jelinek et al 94）相当，模型的简单性意味着其在不到 15 分钟的时间内可以从 40,000 个句子中训练完成；使用 beam search 策略可以提高解析速度到超过 200 个句子 / 分钟，而准确性损失很小。

    May, 1996

  • 联合中文分词和依存句法分析的基于图的模型

    本文提出了一种基于图形的模型来集成中文分词和依赖分析，相较于之前基于转移的联合模型，我们的模型更简洁，从而在中文分词和依赖分析方面取得了更好的性能，并且当结合 BERT 时，我们的模型可以显著减少联合模型和基于黄金分割词的模型之间的性能差距。

    Apr, 2019

  • 新加坡口语英语的通用依赖解析

    本研究使用神经叠加的方法，在 Universal Dependencies 方案下构建了 Singlish 依赖树库，并将英语语法知识整合到最新的 Singlish 依赖分析器中，结果显示英语知识可以减少 25% 的错误率，使分析器的准确度为 84.47%。我们是首次在低资源语言上使用神经叠加来改善跨语言依赖解析。我们会将我们的注释和分析器提供给进一步的研究。

    May, 2017

  • 基于数据的儿童 - 家长互动解析评估

    本研究提出了一个语法依存树库，用于儿童自然语言的注释和研究，分析了写作和口语之间的语言特征并探讨了儿童语言发展与句法分析器性能的关系。

    Sep, 2022