- ACL以声音为基础的树生成：评估端到端语音依存句法分析策略
直接依赖语音信号的句法分析被提出作为一种任务，该任务旨在将韵律信息纳入分析系统并绕过使用自动语音识别系统和句法分析器的管道方法的局限性。本文报告了一系列实验，旨在评估两种句法分析范式（基于图的分析和基于序列标注的分析）在语音分析中的性能。我 - 探索乌尔都语中的句法模式：依存分析的深度研究
通过依存句法分析技术，我们在低资源语言乌尔都语的解析中取得了重要进展，并使用复杂的特征模型和 Nivreeager 算法，获得了一定准确率并评估了解析器的错误。
- ÚFAL LatinPipe 在 EvaLatin 2024 中的拉丁语形态句法分析
LatinPipe 使用预训练语言模型进行依存解析和形态分析，并利用多个拉丁语语料库的样本进行训练，并通过堆叠 BiLSTM 层来增加额外的上下文关联性，最终通过集成网络的输出概率分布来完成最终的解析。
- 无监督通用依存树聚合的实证分析
依存解析是 NLP 中的重要任务，解析器的质量对许多下游任务至关重要。聚合方法在解决质量差异问题方面发挥着作用，但在依存解析任务中，后处理聚合方法的研究不足。通过广泛的实证研究，我们比较了不同的无监督后处理聚合方法，以找到最合适的依存树结构 - ACL爪哇语依存分析的跨语言迁移学习
本研究旨在评估迁移学习在增强爪哇语的依存解析中的功效。使用了包括爪哇语在内的 100 多种语言的依存树库，提出了两种学习策略：迁移学习和分层迁移学习。结果表明，我们的最佳模型采用了分层迁移学习方法，相比基准模型，UAS 和 LAS 评估指标 - 从对话到图表：基于自然语言的任务和关系提取用于加速业务流程原型设计
将冗长的自然语言描述自动转化为结构化流程模型仍然是一个复杂的挑战 - 本文引入了一个现代解决方案，其中我们的方法的核心是使用依赖解析和命名实体识别（NER）从文本描述中提取关键元素。此外，我们利用主 - 动 - 宾（SVO）结构来识别动作关 - 语法指导的 Transformer: 在多模态环境中提升组合泛化能力和基于语境的理解
利用句法结构的注意力屏蔽技术从根本上提高了组合概括的重要性，特别是在多模式环境中的语义根基问题。通过在 Transformer 编码器中的权重共享，依赖解析在不同任务中推动了基于语法的组合概括的最新研究。这些结果提高了多模式语义根基和参数高 - ChatGPT 是一个可能的零射依赖分析器
ChatGPT 是一个潜在的零射语义依赖解析器，经过实验证明其具有依赖解析的能力，并且语言分析也展示了其在解析输出上的独特偏好。
- ACL关于完全增量神经依存句法分析的挑战
该研究论文探讨了基于现代架构的全面增量依存解析是否能够具备竞争力，并建立了将严格的从左到右神经编码器与全面增量序列标注和基于转换的解码器相结合的解析器。结果表明，基于现代架构的全面增量解析远远落后于双向解析，并注意到语言学上合理解析的挑战。
- ACL跨语言和语法下预训练模型的评估
我们提出了一种评估多语言大型语言模型在多形式语法结构方面学习句法的方法，将分析转化为序列标记，通过选择几个语言模型并在 13 个多样化的依赖解析树库和 10 个成分解析树库上研究它们，结果表明：（i）该框架在多种编码上一致，（ii）预先训练 - 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（ - GUIDO: 从自然语言文本中发现和排序指南的混合方法
通过使用 BERT-based 句子分类器和依存句法分析，本文提出了一种名为 GUIDO 的混合方法来提取处理模型，取得了较纯粹基于规则的方法显著更好的结果，平均行为相似度得分为 0.93，并且相比于纯机器学习方法，标注成本低。
- CQE: 全面数量提取器
本文提出了一种基于依赖解析和单位字典的数量提取框架，它能够高效地检测数值和单位的组合、数量变化的行为以及数量所关联的概念，并对检测到的数量进行适当的标准化和规范化。使用新颖的数据集进行评估，我们展示了基于开源框架的方法优于其他系统，并且是目 - 基于转移依存句法分析的结构化情感分析
本文提出一种基于转移的方法，使用指针网络架构实现，用于将文本中的观点作为依存句法结构提取并有效地表示。作者进行了详细评估，证明了该方法在多数情况下具有目前最好的表现，并在最具挑战性的数据集上超越了最新的任务特定技术。此外，作者还进行了深入的 - 多方对话的通用依赖建模
为了模拟多方会话中话语之间的依存关系，我们提出了一个基于依存分析结果的简单通用框架，其中包括一种相对依存编码（ReDE）的方法，并阐述了如何通过修改自注意力的计算方式在 Transformers 中实现它。在四个多方会话基准测试中的实验结果 - 听觉中大脑的句法结构处理
本文从语法分析的角度出发，通过探索不同的句法分析方法和语法特征对大脑语言网络的影响，以及与语义信息的关系，研究了其对大脑活动的预测能力，发现不同的语法分析方法在大脑不同区域的编码效果不同，而语法信息和语义信息的结合能够更好地预测大脑活动。
- ACL揭示序列到序列模型在序列标注和结构解析中的真正潜力
本篇论文系统研究了利用包含解码技术的序列到序列模型（Sequence-to-Sequence，简称 S2S）开展的语音识别、命名实体识别、组成性和依赖分析等任务。作者设计和评估了三种不同的线性化模式及相对应的约束解码模式，进行了实验比较，结 - 基于语法依赖的无监督句法代换
本文介绍了一种新的方法 SSUD，通过利用语法关系的一个属性 —— 语法替换性，不需要监督下拉金标准解析，就能诱导出语法结构，从而帮助理解大型预训练语言模型（LLMs）的句法能力，提高依赖分析任务的定量和定性效果。
- COLING另一种针对韩语的通用依存关系格式
本研究提出了基于单词形态的韩语句法分析方案，并将其应用于通用依存结构。我们开发了自动转换脚本，证明了该方案与韩语单词嵌入的高效性，并通过统计和神经模型证明了该方案的有效性。
- ACL标记化、标注和依存分析任务中的零样本学习和少样本学习方法在塔加洛语文本上的评估
该研究探讨在没有足够标记数据的情况下，使用替代语言资源来建立任务特定模型的方法，以及利用词嵌入和数据增强来改善性能，针对在语法分析方面表现不好的 Tagalog 语言进行了实验，并展示了这些零点和几点方法相比于基于监督学习的最先进方法，在领