ACLApr, 2022

零样本跨语言会话语义角色标注

PDF
TL;DR提出一种零 - shot 跨语言 CSRL 方法，利用层次编码和设计的预训练目标隐式地学习语言不可知、会话结构感知和语义丰富的表示，可用于英语问题重述任务和多轮对话响应生成任务，以期促进解决省略和指代问题的非中文对话任务研究。
conversational semantic role labelingzero-shot cross-lingualhierarchical encodersquestion-in-context rewritingdialogue response generation
发现论文，激发创造
  • 用高质量翻译训练语料进行跨语言语义角色标注

    本文提出了一种基于语料库翻译的新方法，通过从源标准 SRL 注释中构建高质量的目标语言训练数据集，以解决低资源语言缺乏注释数据集的挑战，并且得到了良好的效果。

    Apr, 2020

  • X-SRL：一份并行的跨语言语义角色标注数据集

    本研究提出了一种自动构建四种语言的 SRL 语料库的方法，并使用高质量的机器翻译和多语种 BERT 模型在这四种语言之间导入一致的谓词和角色注释，经过实验表明这种方法使得弱势语言的表现得到了提高。

    Oct, 2020

  • 翻译和标记！一种编码器 - 解码器方法用于跨语言语义角色标注

    提出一种跨语言编码器 - 解码器模型，用于在资源匮乏的目标语言中同时翻译和生成带有语义角色标注的句子。该方法可用于单语、多语言和跨语言环境，并能生成基于依存和跨度的 SRL 注释，通过使用生成的数据进行增量训练可提高资源匮乏语言的标注性能。

    Aug, 2019

  • 面向语法的多语言语义角色标注

    本研究关注于多语言语义角色标注（SRL）模型的开发，并围绕句法规则、上下文化词表示等因素展开了研究，提出了一种基于句法规则的剪枝方法，并在 CoNLL-2009 的七种语言基准测试中实现了状态 - of-the-art 的效果，并验证了深度增强表示对多语言 SRL 的有效性。

    Sep, 2019

  • 跨语言语义角色标注的模型转移

    本文探讨了如何通过使用多种跨语言特征和转移方法，实现端到端语义角色标注（SRL）模型的构建，并概括了实验结果，说明使用不同的跨语言特征和黄金特征可以显著提高跨语言 SRL 的性能。

    Aug, 2020

  • 基于谓词导向潜在图的对话语义角色标注

    本文提出了一种新的对话语境下语义角色标注任务的解决方案，即使用一个基于谓词的高斯机制的潜在图形结构来处理近邻词汇的影响，并结合 CoDiaBERT 模型高效解决了多说话者和跨话语句子等问题，实现了显著的 F1 得分改进。

    Oct, 2022

  • 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

  • 零样本跨语言语义解析

    本文提出一种多任务编码 - 解码模型，通过多语言领域内语料库和英文 - 逻辑形式对标数据，在没有平行语料的情况下完成跨语言的语义解析，模型加强了语言无关编码，显著优于传统基于翻译的算法，有时能与有监督模型的上线媲美。

    Apr, 2021

  • 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

  • 面向学习者的语义角色标注：句法分析和 L2-L1 平行数据的重要性

    本文研究语义分析在外语（L2）环境下的应用，以语义角色标注（SRL）为案例任务、以学习汉语为案例语言。文章手动为一组学习者文本注释语义角色并建立标准数据，使用新数据评估三种现有的 SRL 系统，探究如何成功地处理学习汉语的 SRL 任务。接着，本文将引入一种基于协议的模型来探索大规模 L2-L1 并行数据中的语义连贯性信息，以增强 SRL 的学习。实验表明，新模型可以在学习文本上实现 72.06 的 F-score，比最佳基准提高了 2.02 个百分点。

    Aug, 2018