ACLAug, 2021

基于中心词词组结构的工程化句法分析

PDF
TL;DR我们提出了一种新的基于 headed spans 的投影依存解析方法。我们将从每个单词开始的最大子树表示为一组 headed spans，将一个依存树的得分分解为所有 headed spans 的得分， 并设计了一个新颖的 O (n3) 动态编程算法实现全局训练和准确推理。我们的方法在 PTB，CTB 和 UD 上实现了最先进或有竞争力的结果。
projective dependency parsingheaded spansdynamic programmingptbud
发现论文，激发创造
  • 基于图形和头尾跨度的投影依存句法分析（二阶）

    本研究结合了图形方法和基于主导跨度的方法，将弧度分数和主导跨度分数合并到模型中。通过两种动态规划算法组合第一和第二阶图形和主导跨度方法，实验表明，将基于第一阶图形的方法与基于主导跨度的方法相结合是有效的。但是，当组合第二阶图形和主导跨度方法时，我们观察到微弱或没有提高。

    Aug, 2021

  • 基于 MRC 的跨度预测依存句法分析

    本文提出了一种新的依存句法分析方法，旨在通过模拟子树与子树之间的关系，解决依存树中边的构造应该在文本跨度 / 子树级别而不是词级别上的问题。

    May, 2021

  • 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

  • 解析作为降阶

    本文提出了一种新的中间表示法，基于这种表示法，我们将短语表示分析转化为依存分析，并通过在依存标签中编码顺序信息，表明任何可训练的依存分析器都可以用来生成 constituents。尽管我们的方法很简单，但实验证明，结果与强基准线（例如伯克利解析器和 SPMRL 2014 共享任务中最好的单一系统）不相上下，特别是在德语断点解析方面，我们超过了当前的技术水平。

    Feb, 2015

  • 作为头选项的依存句法分析

    本文提出了一种使用神经网络实现依存分析的模型，该模型可用于自然语言处理和语言学领域，并且在多种语言上取得了与当前最新技术同等的效果。

    Jun, 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

  • 一种基于句法跨度的最小神经网络成分句法分析器

    本文介绍了一种基于 label 和 span 独立评分的最小神经模型，并证明了该模型不仅与经典的动态规划技术兼容，而且还支持一种基于递归分割的新颖贪心自顶向下推理算法。经实验证明，两种预测方案竞争力强，并且与得分模型的基本扩展相结合，能够实现 Penn Treebank 的单模型最优性能（91.79 F1），并在法语 Treebank 上获得强大的性能（82.23 F1）。

    May, 2017

  • Penn Treebank 上的基于头驱动短语结构语法分析

    该论文尝试将组成和依存句法两种形式融合到头驱动短语结构中，提出了两种基于所转换树的解析算法，成功地在 Penn Treebank（PTB）和中文 Penn Treebank 上实现了一种新型联合解码器，达到了本领域最高的解析性能。

    Jul, 2019

  • 指向式高效组成句法分析

    我们提出了一种新的成分分析模型，将分析问题转化为一系列指向任务，支持高效的自上而下编码和学习目标。实验表明，我们的方法在不使用预训练模型的情况下取得 92.78 F1 的结果，使用预训练 BERT，达到了 95.48 F1 和最先进的技术水平相当。此外，我们的方法也在多语种成分分析领域实现了最新的技术进展。

    Jun, 2020

  • 双向一致性注意力的依存句法分析

    我们开发了一种新颖的双向注意力模型，用于依存句法分析，其学习从正向和反向分析方向中的头部单词预测达成一致的方法。通过连续查询存储连续头部单词嵌入的存储器组件，为每个方向的分析过程制定解析程序。我们针对来自 CoNLL 2006 共享任务的英文、中文和其他 12 种语言进行了实验，并表明所提出的模型在 6 种语言的无标记附着得分上达到了最先进的水平。

    Aug, 2016