ACLJul, 2021

基于转移的气泡解析：协调结构预测的改进

PDF
TL;DR本文介绍了一种过渡式气泡分析器以同时执行协调结构识别和基于依赖的句法分析。基于气泡的结构可以通过编码协调边界和协调结构内部关系来增强依赖树，我们引入了一种过渡系统和神经模型用于解析这些增强型结构。在对英语 Penn Treebank 和英语 GENIA 语料库的实验结果表明，我们的解析器在协调结构预测任务上击败了以前的最先进方法，尤其是在具有复杂协调结构的子句中的表现更佳。
transition-based parsercoordination structure identificationdependency-based syntactic analysisbubble-enhanced structuresneural models
发现论文，激发创造
  • 基于指针网络的基于转换的语义依存句法分析

    通过使用 pointer networks 实现的转移句法分析器在依赖句法分析方面已经成为最新的技术水平，我们提出了一种基于指针网络的转移系统，可以直接生成标记有方向无环图并实现语义依赖分析。同时，我们使用从 BERT 提取的深层上下文化的词嵌入来增强我们的方法。这一结果不仅超越了所有现有的基于转移的模型，而且还匹配了 SemEval 2015 任务 18 英语数据集上先前最先进的基于图形的解析器的最佳完全监督准确率。

    May, 2020

  • 协调边界预测的神经网络

    基于神经网络的模型用于协调边界预测，通过多个 LSTM 网络，并在 Treebank 上进行训练，展示了与两个现有技术的比较，以及在 Genia 语料库上的改进。

    Oct, 2016

  • 神经网络基于转移的结构化训练解析

    通过结构化感知机训练和使用大量自动解析的句子来学习神经网络表示，我们的解析器在 Penn Treebank 数据集上达到了 94.26％的未标记和 92.41％的标记附加精度，是迄今为止在 Stanford Dependencies 上最佳的精度，并提供深入的剖析分析以确定模型的哪些方面提供了最大的准确性增益。

    Jun, 2015

  • 宾州树库中的协调标注扩展

    本文通过手动注释 Penn Treebank 中的协同结构，修复其内在结构、标注、一致性与错误，为协同结构的消歧研究提供了一份详实一致的注释数据集。

    Jun, 2016

  • 多任务指针网络用于多表现解析

    提出了一种基于转换的方法，通过训练单个模型，可以有效地解析任何输入句子，支持连续 / 投影和不连续 / 非投影的句法结构，并证明了这两种句法形式可以在训练过程中互相受益，提高了在多个基准测试中的准确性，如英语和中文 Penn 树库以及德语 NEGRA 和 TIGER 数据集。

    Sep, 2020

  • 转移和图形依存关系分析中的深度语境化词嵌入－重访两种解析器的故事

    通过对十三种语言的依存句法分析实验进行误差分析，本文表明基于转移和基于图的依存句法分析器具有互补的优缺点，深层上下文词嵌入有利于转移依存句法分析器更好地利用其准确的局部决策，使得这两种方法在精度和误差概要方面几乎等效。

    Aug, 2019

  • 具有堆栈长短期记忆的基于转移的依赖句法分析

    该文提出了一种新的序列到序列神经网络控制结构 —— 堆栈 LSTM，用于学习过渡式依赖解析器的解析状态，将其应用于解析模型中，实现了解析器状态的三个方面，提高了解析性能。

    May, 2015

  • 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

  • 基于依赖的混合树用于语义解析

    本研究提出了一种新的基于依存的混合树模型，将自然语言转换成机器可解释的含义表示，并通过在标准多语言 GeoQuery 数据集上进行的大量实验证明，我们的方法能够在多种语言上实现最先进的性能。

    Sep, 2018

  • 基于堆栈变换器的转移句法分析

    本文探讨了使用序列到序列 Transformer 模型设计全局或局部状态模拟器改善基于转移的语法分析系统表现，并发现 Transformer 的交叉注意力机制的修改对于依存关系和抽象意义表征（AMR）分析任务的效果特别明显，尤其是在较小的模型或有限的训练数据下。

    Oct, 2020