EMNLPOct, 2023

DepNeCTI: 基于依存的梵语嵌套复合类型识别

PDF
TL;DR通过提出嵌套复合词类型识别（NeCTI）任务，本研究介绍了一个新颖的方法来识别多组分复合词的嵌套结构，并解码它们之间的隐含语义关系，通过提出 Dependency-based Nested Compound Type Identifier（DepNeCTI）框架，显著提升了性能和推理效率。
发现论文，激发创造
  • 梵文上下文敏感复合类型识别的新型多任务学习方法

    本文介绍了一个基于多任务学习的新架构，该架构通过引入形态标记和依存句法分析作为两个辅助任务来整合语境信息并增强补充句法信息，从而解决了在组合词中识别语义关系的问题，并在 SaCTI 基准数据集上取得了 6.1 分（准确率）和 7.7 分（F1 分数）的绝对增益，同时在英语和马拉地语中展示了其有效性。

    Aug, 2022

  • 基于语言学的梵语词汇、句法和语义任务的神经网络结构

    通过自然语言技术，本论文的主要目标是使梵语手稿更便于最终用户使用。梵语的形态丰富、合成、词序自由和资源匮乏性为开发深度学习解决方案带来了重大挑战。论文针对四个基础任务，即词分割、依存分析、合成类型识别和诗歌分析，提出了有关梵语自然语言处理（NLP）技术的关键问题，并在解决这些挑战的过程中提出了多项贡献，包括提出了具有语言学信息的神经网络体系结构、展示了所提系统的可解释性和多语言扩展性、报道了最先进的性能以及开发了名为 SanskritShala 的神经工具套件。

    Aug, 2023

  • Hindi-English 混合语的通用依存句法分析

    本文研究代码切换数据的句法分析，提出了规范化和反回译模型的解码过程，以及利用词性标注和句法树注释的神经堆叠模型。结果显示，我们的神经叠加分析器比增强分析模型优越 1.5％LAS 点，并且我们的解码过程比第一个最佳规范化和 / 或反回译提高了 3.8％LAS 点。

    Apr, 2018

  • 自动发现平行数据中的非组合性复合词

    本文提出一种基于翻译模型的文本分割方法，用于识别翻译时作为一个单元的语言序列，在机器翻译任务中有着不错的性能表现，不依赖于特定数据来源，可应用于多种平行语料数据。

    Jun, 1997

  • 学习预测新颖的名词 - 名词组合

    本文介绍了一种感知时间和语境的模型用于预测未知合成名词所表达的可信概念，该模型在在一个时间戳语料库上训练，可以识别真实的和虚假的合成名词。经测试，该模型在多大约 85% 的情况下能正确分类自动生成的新的合成名词并有五分之一的新合成名词被评定为可信。

    Jun, 2019

  • 语料库统计遇上名词复合词：一些实证结果

    该研究实现并比较了名词复合分析的各种统计方法。结果表明，使用概念联想不仅能够实现广泛覆盖，还能提高准确性。基于依赖语法的分析模型比基于最深成分的分析模型更准确，尽管后者在文献中更为普遍。

    Apr, 1995

  • 用于自然语言推理复杂组合知识评估的合成数据集

    本研究介绍了一个名为 SICCK 的合成数据集和一种新颖的分析方法，通过修改自然语言推理（NLI）模型可理解逻辑组成性的性能，并发现 NLI 模型在零 - shot 和精调情况下对带有量词和否定的修饰语进行修改后的句子表现不佳。

    Jul, 2023

  • 复合词拆分的经验方法

    本文介绍了通过单语和平行语料库学习分割规则的方法，对机器翻译等 NLP 应用中的复合词进行处理，评估结果表明，在德英名词短语翻译任务中，可以获得 99.1％ 的准确性和 0.039 BLEU 的性能提升。

    Feb, 2003

  • CoLI-Machine Learning 在卡纳达语 - 英语文本的词级别混合语言识别中的应用

    该研究针对代码混合文本的词级别语言识别问题，构建了 CoLI-Kenglish 数据集，利用机器学习、深度学习和迁移学习方法建立和评估了 CoLI-vectors、CoLI-BiLSTM 和 CoLI-ULMFiT 学习模型，研究结果表明 CoLI-ngrams 模型在所有模型中取得了最好的效果。

    Nov, 2022

  • 名词组合词解释的转移和多任务学习

    本文通过一系列实验和详细的误差分析，证明了参数初始化的迁移学习和参数共享的多任务学习可以帮助神经分类模型在高度倾斜关系分布上泛化。此外，我们演示了如何利用两个不同关系集合上的双重注释来提高神经分类器的整体准确性和 “F1” 得分，特别是在不太频繁但更难的关系上。

    Sep, 2018