介词项目
该论文重新考虑了一个广泛覆盖的注释方案,认为介词的词汇贡献不等同于介词所介导的角色 / 关系,并提出了一个用于表示场景角色和介词词汇功能的框架,从而实现了构建分析。
Mar, 2017
为了解决语义关系的歧义和语料中多义词的问题,我们引入了一种新的英语介词和所有格标记消歧的注释方案,并采用了广泛适用的 “超感分类” 而非细粒度字典定义方式来对介词和所有格进行注释,并结合谓词或场景上下文中标记的词汇贡献和角色,用相同的类别描述了介词和所有格。强的互评一致性和鼓励的解消歧方法的结果说明了该方案和任务的可行性。
May, 2018
本研究采用半监督方法来增强介词意义的自动消歧功能。通过在未标注的多语数据上进行预训练,利用一个 LSTM 编码器来预测介词的翻译,然后在一个监督分类系统中将其作为组成部分进行微调,结果表明这种多语信号能够显著提高两个介词意义数据集的结果表现。
Nov, 2016
使用贝叶斯模型和神经模型,对汉语学习者在两个英文介词测试前后的反应进行数据分析,并揭示了学生能力、任务类型和刺激句子之间的关键交互作用。研究表明,贝叶斯方法更加有用,但是使用语言模型概率作为语法和可学性的预测因子也具有潜力。
Feb, 2023
在 FrameNet 范例下,本文提出了一种基于注释投射的通用框架,它可以相对廉价地自动引发新语言中的角色语义标注。该框架利用了词汇和句法信息来设计投影模型,实验结果表明可以在英汉平行语料库中自动诱导具有高准确度的语义角色标注。
Jan, 2014
本研究认为副词在计算语言学中受到忽视,使用语框语义(Frame Semantics)为副词分析提供了一种有前途的方法,本研究提出的数据集可以有效检验一流的语言模型,并找到了副词意义解释中的系统性差距。
May, 2023
该研究对框架语义结构提取的统计模型进行了定量和定性分析,并提出了改进模型的新方法,包括使用预处理工具箱,探索语法预处理在统计分类器识别参数时的作用,以及利用机器学习算法等方式。
Jan, 2019
本文针对语言中的歧义问题提出了一种基于图片和联合排序的语义分割和介词短语附着识别方法,采用多个假设的联合排序方法比语言模型单独操作更准确。
Apr, 2016