AAAIMar, 2021

生成 CCG 类别

PDF
TL;DR通过生成类别而不是分类类别，我们提出了一种新的 CCG supertagger 方法，将每个类别分解为一系列更小的标记，以此更好地处理类别间的关系并增强与句子上下文的交互。该方法能够在标准 CCGBank 上实现最先进的标识 (95.5% 精确度) 和分析 (89.8% 标记 F1)，并在罕见类别、领域外文本和资源匮乏语言方面取得了有希望的结果。
ccgsupertaggerscategory generationsemantic structurestag sequences
发现论文，激发创造
  • 用树形解码复杂类别为长尾标记化

    研究表明，利用类别的内部结构构建模型有助于预测罕见、复杂的 CCG supertags，而且可以在更少的参数下实现先前的最佳标记者的近似标记准确度，并且还探讨了不同方法对域外评估集的概括能力。

    Dec, 2020

  • 利用注意力图卷积网络进行超级标注组合范畴语法

    通过注意力图卷积网络以图形式建模词库中的信息，加强神经组合范畴语法（CCG）超标记，进而提高语法分析的准确性。实验结果表明，该方法在超标记和语法分析方面优于先前所有研究。

    Oct, 2020

  • 自动生成高质量 CCGbanks，用于解析领域自适应

    本文提出了一种基于依存树的语料库自动生成的领域自适应方法，简单易用且性能显著，适用于最先进的解析器，通过对生物医学文本、问题句子、语音对话和数学问题的实验数据验证，性能提高了 6.3% 到 8.3%。

    Jun, 2019

  • 使用 Supertag 和依存因子模型的 A* CCG 解析

    提出了一种新的 A * CCG 解析模型，通过在双向 LSTM 上定义 CCG 类别和语法依存关系的因子，将树的概率分解成因子。我们的模型通过依赖关系显式地建模句子结构，并允许所有概率的预计算，因此运行效率非常高。我们的模型在英语和日语 CCG 解析方面取得了最先进的效果。

    Apr, 2017

  • 具有异构动态卷积的几何感知的超标记化

    本文从图论的角度重新审视结构调整式句法分析，并提出了一个基于异构动态图卷积的框架，以利用补丁标记器输出空间的独特结构。我们在涵盖不同语言和语法形式的分类语法数据集上测试了我们的方法，并获得了显著的改进。

    Mar, 2022

  • 使用 CCG 分析和大型语言模型建模大脑中的结构构建

    通过使用组合范畴语法（CCG）作为语法模型，研究人员发现可以更好地理解自然环境中语言理解的行为和神经相关性。使用 fMRI 收集参与者听故事期间的神经信号，研究发现 CCG 在解释神经信号方面的有效性优于上下文无关文法，并可以从可选附加语方面解释。

    Oct, 2022

  • 一种用于 CCG Supertagging 的动态窗口神经网络

    本文介绍动态窗口方法和注意机制应用在组合范畴语法超标记的任务上，通过对局部上下文的关注来为每个单词分配词汇类别，同时应用 dropout 技术来提高性能。实验结果表明该方法在标准测试集上达到最佳表现。

    Oct, 2016

  • COGS 中的结构性泛化：超标记化几乎是你所需的全部

    在许多自然语言处理应用中，神经网络在处理超出分布范围的示例时被发现无法进行泛化。本文通过多种方法对神经图形语义解析框架进行扩展以缓解这个问题，实验结果表明结构性约束对语义解析中的泛化是重要的。

    Oct, 2023

  • 预测目标语言 CCG 标记提高神经机器翻译效果

    本文研究如何改进神经机器翻译，通过在 decoder 中插入 CCG supertags 的形式的目标语句法信息，进一步模拟复杂的句法现象，经过实验比较，发现这样的改进可以提高翻译质量，尤其是对于一些句法结构复杂的语言对。

    Feb, 2017

  • CatGAN：基于分类感知的逐层进化学习的生成对抗网络用于类别文本生成

    本文提出了一种基于类别感知的 GAN 模型，通过分类感知模型和分层进化算法，实现高质量分类文本的生成，同时解决了传统 GAN 模型难以训练，样本崩塌等问题，并在实验中表现优于现有大多数同类模型。

    Nov, 2019