COLINGSep, 2021

语义角色标注的 MRC 框架

PDF
TL;DR本篇论文提出了一种利用机器阅读理解框架来解决语义角色标注中谓词消除和论元标注之间语义联系不足问题的方法，将谓词消歧形式化为多项选择机器阅读理解的形式，然后利用所选谓词的语义角色构造查询从而解决论元标注。实验证明该方法优于先前的工作。
semantic role labelingpredicate disambiguationmachine reading comprehensionsemantic rolesargument labeling
发现论文，激发创造
  • 从语法无关到语法相关的完整端到端语义角色标注器？

    本文介绍了一个端到端的神经模型，它统一处理谓语消歧和参数标记，并通过使用双仿射评分器直接预测句子中所有给定单词对的语义角色标签，达到了比现有的支持语法的 SRL 系统更好的性能。

    Aug, 2018

  • 语义角色标注遇上定义建模：利用自然语言描述谓词 - 论元结构

    本文提出了一种新的方法，利用定义建模来介绍一种广义的 SRL 形式，即使用自然语言定义而非离散标签来描述谓词论元结构。经过实验证明， 这种灵活的模型不会牺牲性能。

    Dec, 2022

  • 中文语义角色标注的句法感知多任务学习框架

    本文介绍了基于统一覆盖模型的跨度和基于单词的语义角色标注，并提出了一种多任务学习框架，其中包括基本 SRL 模块和依赖性解析器模块，通过该框架，我们使用外部句法表示得到了新的最先进的中文 SRL 良好结果。

    Nov, 2019

  • 对话语义角色标注

    该研究提出了针对对话中语义角色标注的任务，通过手动标注语义角色的方式建立了一个数据集，表明将 SRL 模型应用于对话任务有望提高性能，并在两个任务上进行了初步研究。

    Apr, 2021

  • 使用迁移学习和基于 BERT 模型的方法对波斯语语义角色进行标注

    本研究提出了一种端到端的 SRL 方法，它不仅消除了特征提取的需要，而且在实际情况下面对新样本的时候也表现出优于现有方法 16% (83.16) 的准确性改进。

    Jun, 2023

  • 迭代结构细化进行的语义角色标注

    该文介绍了一种用于语义角色标注（SRL）的迭代优化方法及网络结构，通过建立非局部交互关系，有效提高了模型表现，在七种 CoNLL-2009 中取得了最优表现并在其中五种语言中的英语数据集上取得了最新的成果。

    Sep, 2019

  • 通过预测语义框架参数来改进隐式语义角色标注

    本文提出了一种基于预测递归神经语义框架模型（PRNSFM）的隐含语义角色标注（iSRL）方法，利用大型未注释语料库来学习给定谓词的一系列语义论证的概率，同时通过 PRNSFM 预测的序列概率估计谓词及其参数的选择性偏好，并在 NomBank iSRL 测试集上实验验证此方法的最新状态 - of-the-art 表现优于以往方法，且依赖较少于手工构建的语言资源。

    Apr, 2017

  • 依存句法或句子跨度的端到端统一语义角色标注

    本文提出一种统一的、端到端的模型，用于同时处理依存和跨度语义角色标注任务，并使用统一的参数学习预测谓词和论元。在两种语义表示形式中，本模型实现了新的最先进的结果。

    Jan, 2019

  • 关联记忆网络的语义角色标注

    本文提出了一种基于所提出的关联记忆网络的新颖的语法无关的语义角色标注模型，利用标签已知的相关句子的跨句子注意力作为一种记忆进一步增强基于依存的语义角色标注，并且通过利用已知训练数据的注意力记忆，我们的模型取得了 CoNLL-2009 基准数据集上的最新成果，在增强 SR L 方面展示了一个新的有效研究方向，而不是利用外部资源，如预先训练的语言模型。

    Aug, 2019

  • 语义角色标注作为依存句法分析：探究论元内部的潜在树结构

    本文提出了一种将 SRL 简化为树解析任务的方法，将平坦的论点跨度视为潜在子树，并配备新颖的 Span-constrained TreeCRF，实现了优于以往所有语法不可知作品的结果，达到了最新的最先进状态。

    Oct, 2021