Mar, 2023

深度句法关系的统一分类

PDF
TL;DR本文旨在通过对多种深层句法框架的分析，提出一组通用的语义角色标签建议，并将其应用于语言数据。建议基于多种理论语言观点，主要聚焦于 Meaning-Text Theory 和 Functional Generative Description 框架。数据来自西班牙语、加泰罗尼亚语、捷克语和英语。建议旨在面向 Universal Dependencies，并将通用语义角色标签用于 UD 数据。
deep-syntactic frameworksuniversal semantic role labelsmeaning-text theoryfunctional generative descriptionuniversal dependencies
发现论文，激发创造
  • 语义角色跨语言转移：从原始文本到语义角色

    使用基于注释投影的转移方法，开发了一种基于依赖关系的语义角色标注系统，在只有平行数据可用的语言中，不需要其他监督的语言信息。相比之前的工作，我们只使用了词和字符特征来避免使用监督的特征。我们的深度模型考虑使用基于字符的表示以及无监督的词干嵌入来减轻对监督特征的需求。我们的实验在通用命题库的 7 种语言中有 6 种优于使用监督词汇 - 句法特征的最先进方法。

    Apr, 2019

  • 联合通用句法语义分析

    本研究探讨了多种模型构型，借助通用分解语义数据（UDS）集中丰富的句法和语义注释，联合解析通用依赖和 UDS，以获得两种形式主义的最新结果，同时分析了句法和语义联合模型的行为。我们还研究了联合建模在多语言环境下的普适性，并发现了 8 种语言中相似的趋势。

    Apr, 2021

  • 通往普适语义标注的道路

    本研究提出了通用语义标注的任务，为广泛覆盖的多语言文本提供了更好的语义分析，使用具有语言中立性和信息丰富的标签对词汇进行标注，为跨语言语义分析提供了支持。语义标注在平行意义银行中的应用支持这些论点，并促进形式词汇语义学和跨语言投影，这个研究在一份小的语料库上注释了它的语义标注，并提出了通用性语义标注的新的基线结果。

    Sep, 2017

  • 通用依存句法的组合类型语义

    通过在不同语言之间建立语义和句法的通用连接，并利用跨语言的并行句法结构，我们引入了 UD Type Calculus—— 一种构成性、有原则且与语言无关的语义类型和逻辑形式系统。我们解释了 UD Type Calculus 的基本特征，这些特征都涉及将依赖关系的意义如同单词的意义一样进行指称。这些特征使得 UD-TC 能够通过使用依赖标签来准确地推导出各种句法结构的正确含义。最后，我们在一个大型现有语料库上展示了 UD-TC 的评估结果，证明它能够产生与我们的基准结果相媲美的意义。

    Mar, 2024

  • 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

  • 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

  • 历时用法关联（DURel）：词汇语义变化标注框架

    提出了一种框架，将同步多义性注释扩展到词汇意义的历时变化，以抵消评估词汇语义变化计算模型的资源不足问题。利用一个直观的语义相关性概念，区分了创新和淘汰意义变化，形成了一个德文测试集，由五个注释者对 22 个目标词中 1320 个使用对的相关性进行了评级。

    Apr, 2018

  • 语义解析的深度体系结构

    本文介绍了一种新颖的深度学习架构，通过将两个语言语义的神经模型相结合，提供了一个语义分析系统，无需解析即可从自然语言语句和问题中生成本体库特定的查询，使其特别适用于语法错误或句法非典型的文本，例如 Twitter，也允许开发受资源限制的语言的语义解析器。

    Apr, 2014

  • 有意义的标签推断与统一语义类型化

    本文提出 UniST 框架以实现语义打标，该框架通过将输入和标签投影到共同的语义嵌入空间来捕捉标签的语义。同时，多种语义打标任务可以在该框架中联合训练，从而获得性能相当于单独任务模型的单个紧凑多任务模型，同时也提高了转移能力。

    May, 2022