本文研究荷兰语定语从句的结构歧义，通过研究基于语境的消歧任务，探讨前一句话的存在如何解决定语从句的歧义，应用此方法于两种句法分析结构，结果表明基于证明网的神经符号句法分析器比基于通用依赖的方法更容易纠正数据偏见，然而两种设定都受到相应的初始数据偏见的影响。

May, 2023

本文通过使用更大的训练集和先进的算法重新实验了 Eisner（1996）所述的三个概率模型，发现使用更大的训练集可以显著提高模型性能，其中底部上下文理解模型 B 的精度达到了 90％，标记单词的准确性也更好。

Jun, 1997

本文研究了信息密度均匀性原则对句法简化的影响，特别关注英语从属从句中连接词 “that” 的可选省略。借鉴以往研究，我们扩大了研究范围，利用现代大型语言模型和熵的概念来估计句法简化选择中信息均匀性原则的体现。

May, 2024

本文提出一种新的名词短语解析的概率模型，并介绍了将这种解析技术应用于增强文档索引的方法，实验结果表明，使用句法短语来辅助单词索引可以稳定且显著地提高检索性能。

Feb, 1997

使用 TAG 理论实现了一份大规模的英语语法，并加以扩展来处理各种句法现象和特征结构。

Sep, 1998

本文提出一种新的 O (n^3) 依赖语法分析算法，并开发了三种不同的随机化方式。我们提出了词汇亲和模型、意义标注模型和生成模型。通过在训练文本上评估三种模型的分析性能并给出了初步的实证结果，其中生成模型在分析性能上表现显著优于其他模型，并且在词性标注方面表现同样出色。

Jun, 1997

本研究旨在提高在训练数据中标注少量标签的情况下诱导策略。我们发现最具信息量的语言成分是树状结构中更高层的节点，通常代表复杂的名词短语和句子从句，这些仅占所有成分的 20％。针对标注数据稀疏（例如仅有高层成分标签）的语法诱导，提出了一种适应策略，可以产生与从完全标注的语料库诱导的语法几乎一样好的语法。我们的结果表明，为了取代人工注释员，部分解析器必须能够自动提取更高层次的成分，而不是基本名词短语。

May, 1999

本文研究了从语料库中自动获得词汇信息的方法，并通过从 1000 万字的文本中获得的词汇子类别频率数据，对英语的广覆盖统计语法和解析器进行了实验，结果表明这些信息可以显著提高解析的准确性。

Jun, 1998

本研究提出了一个语法依存树库，用于儿童自然语言的注释和研究，分析了写作和口语之间的语言特征并探讨了儿童语言发展与句法分析器性能的关系。

Sep, 2022

本文提出了一种基于无监督成分测试的无监督解析方法。通过使用一组转换和一个无监督的神经接受模型来制定无监督解析器，以生成给定句子的树，通过聚合其成分测试判断来评分。并且通过反复改进预测出的树和提高语法性模型之间的相互作用，进一步提高了准确性。

Oct, 2020