Jan, 2022

基于序列生成的无模式依存句法分析

PDF
TL;DR本文提出使用预训练语言模型 (PLM) 通过序列生成 (DPSG) 实现通用且无模板的依存解析 (DP)，可以实现单模型下句法 DP 和语义 DP，并具有多方案解析功能，与现有方法相比在多个基准任务上表现相当甚至更好。
dependency parsingsequence generationpre-trained language modelsyntactic dependencysemantic dependency
发现论文，激发创造
  • 基于依赖解析的无监督句子简化

    该论文介绍了一种基于自然语言解析结构和句子嵌入的简化系统，其能进行高效修改以简化句子，同时维持原始句子的语义和流畅度，达到了相当不错的简化效果，并证明其在多语言领域也具备扩展性。

    Jun, 2022

  • 不解析，生成！一种用于面向任务的语义解析的序列到序列架构

    本文提出了一种基于序列到序列模型和指针生成网络的统一架构，旨在处理既能识别简单 Action 单一的查询，也能处理更复杂的分段实体的查询，并在 ATIS、SNIPS 和 Facebook TOP 数据集上取得了最先进的准确率，不需要对语义分析模式加任何限制。

    Jan, 2020

  • 用于稳健结构预测的结构化语言生成模型

    我们提出了结构化语言生成模型（SLGM），这是一种结合新的损失函数和推理方法，以更好地泛化结构化输出的混合模型。

    Feb, 2024

  • 使用依赖图进行问题分解

    本文提出了基于依赖图的 QDMR 解析器，通过提出非自回归图解析器和使用金标准图作为辅助监督的 seq2seq 解析器，实现了推理速度的 16 倍提升和对新域的更好泛化能力。

    Apr, 2021

  • 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

  • 基于语法的神经网络文本到 SQL 生成

    本文提出了一种处理 neural text-to-SQL models 中编写语法的复杂性的技术，从而生成 schema-dependent grammar，对 ATIS 和 Spider 两个挑战性的 text-to-SQL 数据集进行分析，显示可以减少 14-18% 的相对误差。

    May, 2019

  • 语义标记实现组合泛化

    在语义解析中，提出了一个新的解码框架，该框架保留了序列到序列模型的表现力和通用性，同时具有类似词典的对齐和解开信息处理，能够提高模型的组合泛化能力。

    Oct, 2020

  • 揭示序列到序列模型在序列标注和结构解析中的真正潜力

    本篇论文系统研究了利用包含解码技术的序列到序列模型（Sequence-to-Sequence，简称 S2S）开展的语音识别、命名实体识别、组成性和依赖分析等任务。作者设计和评估了三种不同的线性化模式及相对应的约束解码模式，进行了实验比较，结果表明，使用本文方法的 S2S 模型优于其他采用外部资源的 S2S 方法，并得到了优异的性能。

    Feb, 2023

  • 神经文本生成的显式句法指导

    我们提出了一种基于句法树的语法引导生成模式，通过解码过程的两个部分:（1）对给定源句子中词汇化的句法上下文中的每个成分预测填充文本；（2）映射和扩展每个成分以构建下一级语法上下文以生成自然语言文本，并在重述生成和机器翻译上进行了实验。与自回归基线相比，该方法在有效性和可解释性方面更加出色。

    Jun, 2023

  • 带有动态图卷积解码器的神经机器翻译

    本文提出了一种从结构输入到结构输出的端到端翻译架构，其中联合建模和生成目标翻译及其相应的句法图。我们设计了一个自适应动态时空图卷积解码器（Dyn-STGCD），它可以消费源功能表示及其句法图，并同时自回归生成目标句法图和令牌。我们在五个广泛认可的翻译基准测试中进行了大量实验，验证了我们的提议相对于基线和其他语法感知变体的一致改进。

    May, 2023