EMNLPOct, 2023

L2 语言学习的自动提取语法概念的教师感知

PDF
TL;DR通过自动发现和可视化语法描述，本研究旨在帮助语言教育专家自动创建材料，以便教授印度语言中的语法和语义知识。
language teachinggrammar descriptionssyntaxsemanticsindian languages
发现论文，激发创造
  • 自动提取语法知识对 L2 语言学习的教师感知

    本研究介绍了一个自动框架，旨在通过自动发现和可视化语法的不同方面来促进语言教学，其中从自然语料库中提取描述单词排序、一致性、语法标记或词形成及词汇学习的描述，并显示例证。作者在印度语言 Kannada 和 Marathi 上应用此方法，以评估其实用性，并邀请北美的语言教育家对这些语言进行手动评估。教师们认为这些材料有趣，可以用作自己的课程准备或学习者评估的参考资料。

    Jun, 2022

  • 自动提取控制形态一致性的规则

    本文以 Universal Dependencies 项目为例，通过开发一种自动化框架实现从原始文本中提取语法规范，并聚焦于提取描述协议的规则。我们使用跨语言转移的方法，即使在语言专家的注释不可获得的情况下，也能提取出几乎等同于大量黄金标准注释数据所创建的语法规范。

    Oct, 2020

  • AUTOLEX：一个自动语言探索框架

    AutoLEX 是一个自动框架，旨在帮助语言学家发现和提取语言现象的简洁描述，如形态一致性、格标记和词序。

    Mar, 2022

  • 从大型（未标注）语料库中学习语言

    本研究介绍了一种新的全自动、无监督的从大型文本语料库中提取依赖语法和相关语法到语义关系映射的方法，若成功，该方法将使得直接从大型未注释语料库中挖掘出用于自然语言理解和生成的所有信息成为可能。

    Jan, 2014

  • 无需大量监督即可出现语法

    本文探讨如何在没有专门的句法指导的语料库中从语料学习句法的可行性，以语料库的观察结构为基础，通过定义和隔离语法和意义 / 语用学信息，我们描绘了自主语法的形式特征，并展示了通过简单的优化过程搜索基于语法的词汇类别，而无需对模型形式做任何先验假设的可能性。

    May, 2020

  • 通过基于实景的学习掌握语言结构

    本文提出了基于语言结构的机器学习任务，并通过三种方案展示了其潜力和可行性，包括通过视觉基现学习语法结构，通过执行感知方法映射句子到语义结构，并通过跨语言词对齐和子结构投影方法改进零样本跨语言依赖分析的性能。

    Jun, 2024

  • 基于高阶特征的稀疏逻辑回归用于从树库中自动提取语法规则

    我们提出了一种新的方法，从树库中提取和探索显著的细粒度语法模式和潜在的句法语法规则，以创建易于理解的基于语料库的语法描述。我们使用线性分类器提取预测研究中语言现象最显著特征，并将统计信息与每个规则关联，然后将模型结果的排序与其他定量和统计测量结果进行比较。我们的方法捕捉到了西班牙语、法语和沃洛夫语中已知和不太为人知的重要语法规则。

    Mar, 2024

  • 规则增强的无监督短语结构句法分析

    该研究提出了一种基于语法规则的非监督句法树生成方法，利用了语言的通用语法知识，采用强化学习和自编码器等技术，在 MNLI 和 WSJ 两个基准数据集上实现了最好的结果。

    May, 2021

  • 基于语料库的对照集用于检测低资源英语种类中的形态句法特征

    本文探讨了自然语言变体的研究，通过识别语言特征（例如零 be 动词结构）在语料库中的分布情况，分析这些特征在不同语境中的变化，提出了一种基于人工编辑的自动检测方法，并在印度英语和非裔美国英语方面的实验中展示了该方法的有效性。

    Sep, 2022

  • 使用句法结构进行语法辅助（GAUSS）

    提出了一种语法辅导系统，采用丰富的语言形式主义和更快的解析算法，以实现对西班牙语的语法辅导，提高包容性和参与度，并为环保人工智能的发展以及全球教育挑战做出贡献。

    Jun, 2024