Apr, 2023

跨领域评估词性标注器：从华尔街日报到 Fandom Wiki

PDF
TL;DR根据 Elder Scrolls Fandom 的数据，分别采用 Stanford 标注器和 Bilty 标注器进行研究，发现在培训过的记号上性能几乎与域内性能一样好，但是对于未知标记的准确性会降低，同时两个标注器都在专有名词和不一致的大小写方面存在困难。
pos taggersout-of-domain tagger performanceelder scrolls fandomcross-domain performanceproper nouns
发现论文，激发创造
  • 噪声用户生成文本的词性标注领域自适应

    使用神经网络实现 POS 标注器，通过领域自适应和正则化技术，在德语推文数据集中实现高于 90% 的标注准确度。

    May, 2019

  • 面向特定领域的词性标注快速适应

    本文介绍了一种快速适应新域的 POS 标注器的方法，该方法利用大量文本中收集的后缀信息和字形信息以增加词汇覆盖率，在生物领域的实验中表现出了与该领域中特别训练的 POS 标注器相当的结果。

    Oct, 2014

  • 一种跨类别集成方法以提高 Reddit 实体标记的鲁棒性

    本研究探讨使用不同语料库训练的最新词性标注模型在 Reddit 论坛讨论帖子等用户生成数据中的表现，发现即便少量的 in-domain 数据，也能胜过大量来自其他 Web 领域的数据，同时也提出多种错误类型的分类，并使用集成学习法提高了模型的性能。

    Apr, 2020

  • 使用数据增强改进临床语音的自发性词性标注

    该论文解决了改善语音转录文本的 POS 标注的问题。作者使用了数据增强技术来训练在领域外树库上的句法分析器，并在句法标注上测试了在不同类型的神经退行性疾病患者的临床语音中表现良好的效果。

    Jul, 2023

  • HPSG 超标记再审视

    我们提出了基于 HPSG 的新型超标注模型，通过 SVM 和神经网络方法在高质量标注的树库上进行训练，与基线相比，SVM 和神经超标注模型都取得了明显更高的准确性。我们的 BERT 超标注模型在 WSJ23 数据集和 Cathedral and the Bazaar 数据集上分别达到了 97.26% 和 93.88% 的准确率。因此，将这些新型超标注模型整合到现代 HPSG 解析器中是有意义的，并且希望我们在这里使用的多样而困难的数据集能在该领域中获得更多的关注。我们还提供了完整的数据集，格式化用于标记分类。

    Sep, 2023

  • 标题部分的跨注册投影词性标注

    本研究通过对英语新闻标题进行词性标注，研究了长文本和标题文本之间的词性标注模型，在使用自动标注的新语料库进行验证后，相较于训练单个注册器或者拼接培训集的方法，展示了注册器相互联合培训的显著提升，并且成果表明改进高质量新闻标题的词性标注有助于语法基础的开放信息提取系统的性能。

    Sep, 2021

  • 使用几十个部分注释的示例扩展解析器至远领域

    通过使用神经网络的词表示方法，在与源领域语法相似的情况下，重新审视了领域适应。并提供了一种简单的方法，通过使用少量的部分注释来适应解析器。文章提供的新算法的结果，使华尔街日报测试集的最新单模型状态达到 94.3％，比之前最先进的 92.6％有一个绝对提高了 1.7％。

    May, 2018

  • 基于词汇转换和标签注入的无监督领域自适应 —— 以推特数据为例

    通过简单的词汇转换来减少源域数据集与目标域数据集之间的领域转变，使得模型在变换后的源域数据集上表现明显优于零样本模型，在转换为推特的英文上达到了 92.14% 的无监督词性标注准确率，仅略低于 94.45% 的监督效果，同时利用提出的转换方法来合成推特并增强推特数据集的表现达到了最先进的词性标注性能。

    Jul, 2023

  • 使用隐马尔可夫模型进行序列标注的领域自适应

    该研究论文介绍了一种基于隐藏马尔科夫模型来学习词汇表示，并使用大量未标记数据将这些方法更好地适用于不同领域数据的方法。

    Dec, 2013

  • 神经成分句法分析器的跨域泛化

    使用神经解析器和结构化输出预测来实现在零 - shot 设置下对其他领域进行泛化的研究，并在英语和汉语语料库上获得了最新的解析结果。

    Jul, 2019