COLINGSep, 2022

另一种针对韩语的通用依存关系格式

PDF
TL;DR本研究提出了基于单词形态的韩语句法分析方案，并将其应用于通用依存结构。我们开发了自动转换脚本，证明了该方案与韩语单词嵌入的高效性，并通过统计和神经模型证明了该方案的有效性。
koreandependency parsingmorpheme-baseduniversal dependenciesneural models
发现论文，激发创造
  • K-UniMorph：韩国通用形态学及其特征模式

    我们为韩语提出了一份新的通用形态学数据集，名为 K-UniMorph，涉及韩语的形态学范例，包括动词结束的语法标准、提取屈折形式的方法和生成形态结构的过程，同时采用了来自 Sylak-Glassman（2015 年）和 Sylak-Glassman（2016 年）的形态特征模式。

    May, 2023

  • 通用依赖和通用形态的融合

    研究对比了 Universal Dependencies 和 Universal Morphology 计划，通过提出一种从 Universal Dependencies v2 特征映射到 UniMorph 结构的确定性映射，从而消除了两个项目之间的兼容性问题，并给出了两个注释项目的基础、优势和劣势的关键评估。

    Oct, 2018

  • 通用语义解析

    UDepLambda 是一个语义接口，它将自然语言映射到逻辑形式，可以处理依存图，并在自然语言理解中表现出色，对于多语言问题回答有很好的性能。

    Feb, 2017

  • 无需训练的通用依存关系分析

    提出了 UDP，这是一种基于 PageRank 算法的无训练的解析器，可用作 Universal Dependencies 的跨语言解析的基准，具有鲁棒性和很少的参数。

    Jan, 2017

  • 通用依存关系 v2：一个不断增长的多语言树库集合

    该研究介绍了 Universal Dependencies 的第二个版本，其中包括词汇分析、词形还原、标准化标记和句法关系，适用于 90 种语言，以及主要变化（UD v1 到 UD v2）的讨论。

    Apr, 2020

  • 基于语言特征的韩语命名实体识别

    本文利用特殊语言特征提高韩语命名实体识别，使用 CoNLL-U 格式提出韩语语料库标注方案，实现命名实体标记在分词中减少歧义，并探讨以词素为基础的标记方案的可行性和性能。

    May, 2023

  • 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

  • 口语对话系统的依存句法分析

    本研究提出了一种名为 SCUD 的新的语言依存注释标准，并提供了 ConvBank 数据集，以用于在人机对话方面训练依存句法分析模型。实验表明，将模型预训练于公共数据集并在 ConvBank 数据上进行微调可以取得最好的结果，达到了 85.05％的未标注和 77.82％的标注连接准确率。

    Sep, 2019

  • 泰国通用依赖树库

    本研究通过引入泰语通用依存树库（TUD）解决了自动依存解析泰语句子的问题，并通过将预训练的 transformer 作为编码器来训练泰语依存解析模型，在评估结果中表明大多数模型能够胜过前期研究中的其他模型，为泰语依存解析器的最佳组件选择提供了见解，并将实验中的新树库和每个模型的完整预测结果在 GitHub 上进行了共享。

    May, 2024

  • 新加坡口语英语的通用依赖解析

    本研究使用神经叠加的方法，在 Universal Dependencies 方案下构建了 Singlish 依赖树库，并将英语语法知识整合到最新的 Singlish 依赖分析器中，结果显示英语知识可以减少 25% 的错误率，使分析器的准确度为 84.47%。我们是首次在低资源语言上使用神经叠加来改善跨语言依赖解析。我们会将我们的注释和分析器提供给进一步的研究。

    May, 2017