COLINGDec, 2021

基于跨度与词语依存图解析的快速准确端到端语义角色标注

PDF
TL;DR本文提出了将端到端基于跨度的 SRL 转化为基于词汇的图分析任务的方法，并比较了四种不同的图表示形式，并且发现 BES 模式表现最佳。此外，我们提出了一种简单的受限 Viterbi 过程来确保输出图的合法性。经过在 CoNLL05 和 CoNLL12 上的实验证明，我们的基于词汇的图形分析方法在所有端到端和谓词给定的设置下都优于以前的结果，并且能够每秒解析 669/252 个句子，不使用和使用预训练的语言模型 (PLMs)。
end-to-end srlgraph parsingword-basedbes schemaconstrained viterbi procedure
发现论文，激发创造
  • 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

  • 语义角色标注的跨度选择模型

    本研究提出基于跨度的语义角色标注模型，能够直接考虑所有可能的论元跨度并为每个标签评分，模型具有允许设计和使用跨度级特征的优点。实验结果显示，本研究的集成模型在 CoNLL-2005 和 2012 数据集上实现了最先进结果，分别为 87.4 F1 和 87.0 F1。

    Oct, 2018

  • 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

  • 语法感知的神经语义角色标注

    本文探讨是否在神经网络中使用额外的句法特征表示对语义角色标注（SRL）有益，实验结果表明这有助于提高 SRL 的性能，并且在 CoNLL-2005 数据集上达到了新的最先进水平。

    Jul, 2019

  • 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

  • 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

  • 基于增强语法自注意力的语义角色标注

    本文研究了如何有效地将句法知识融入语义角色标注（SRL）任务中，使用不同质量和表示的依赖树的不同编码方法，提出了一种句法增强的自注意模型，并与其他两种强基准方法进行了比较，并使用新发布的深度上下文化词表示进行了实验。实验结果表明，通过正确地融合高质量的句法信息，我们的模型在 CoNLL-2009 数据集的中文 SRL 任务中取得了新的最佳表现。

    Oct, 2019

  • 基于神经转移模型的端到端语义角色标注

    本文提出了第一个针对端到端语义角色标注任务采用转移模型的神经网络方法，并使用高阶组合提取非局部特征，实现了最佳性能和高效解码。在 CoNLL09 和 Universal Proposition Bank 上的实验结果表明，该方法可以创造最新的性能记录。

    Jan, 2021

  • 语义角色标注作为句法依存分析

    本文针对英文和中文的语义角色标注进行了实证分析，并通过联合标签的转换方案，将 SRL 注释打包至依存树表示中，并证明该表示法有望进一步将句法方法结合到语义角色标注中。

    Oct, 2020

  • 基于指针网络的转移句法语义角色标注

    该研究提出了一种基于 Pointer Networks 的过渡型语义角色标注方法，该方法可以在不需要额外模块或语法信息的情况下，在单次从左到右经过中完整处理语句，其时间复杂度是 $O (n^2)$，并且在大多数 CoNLL-2009 共享任务的语言上实现了迄今为止最佳性能。

    May, 2022