- 大脑中的中心嵌入和组成结构及无上下文语言的新特性描述
用神经元的波动实现的计算系统最近被证明能够完成英语句子的依赖分析,本文讨论了该工作留下的两个最重要的问题:句法和处理依赖句子,特别是中心嵌入的问题,我们展示了这些语言方面的两个部分也可以通过神经元和突触实现,并且与我们已知的语言机制的结构和 - ACL跨语言屈折变形作为分析的数据增广方法
提出一种基于形态学的低资源依存解析方法,在目标低资源语言中训练形态变化器,并将其应用于相关的富资源树库以创建类似于目标低资源语言的跨语言折叠树库。使用这样的折叠树库在零(在折叠的树库上训练)和少量样本(在折叠和目标语言树库上训练)设置中训练 - 使用依赖句法分析在分布语义学中进行少样本学习
本文探讨在少样本学习中使用依存分析信息的新颖想法,利用基于依存关系的词嵌入模型作为背景空间进行学习,通过引入增强依存分析的两种少样本学习方法升级加性基线模型。
- ACLATP: AMR 化,再解析!利用伪 AMR 增强 AMR 解析
通过引入更好的语义或形式相关的辅助任务,我们可以更好地提升抽象意义表示(AMR)解析,包括语义角色标注(SRL)和依存解析(DP)。同时,中间任务学习是一种比多任务学习更好的方式,可以更好地提高 AMR 解析的性能。我们的实验结果显示,我们 - ACL有标注依赖树的探究
DepProbe 是一个能够从嵌入中提取有标签和有向依赖解析树的线性探针,使用的参数较少,计算复杂度较低,并且在选择最佳转移语言以训练完整的双仿效注意解析器方面表现卓越。
- ACL重新审视泄漏对依存句法分析的影响
该研究通过测试更多的模型和语言,发现‘leakage’仅适用于零 - shot 跨语言设置,在效果差异方面直接解释,并提出了更细致的度量方式来解释和相关观察到的性能差异。
- ACL一种新的标记策略用于有效的令牌图建模,用于结构化情感分析
本研究提出了一种基于依存句法分析的情感分析模型,并对其进行了改进,包括采用新的标签策略、图注意力网络和自适应多标签分类器来优化其性能,实验结果表明我们的模型在五个基准数据集上的效果大幅优于之前的最优模型。
- 基于序列生成的无模式依存句法分析
本文提出使用预训练语言模型 (PLM) 通过序列生成 (DPSG) 实现通用且无模板的依存解析 (DP),可以实现单模型下句法 DP 和语义 DP,并具有多方案解析功能,与现有方法相比在多个基准任务上表现相当甚至更好。
- ACL针对低资源依存句法分析定制的策略系统研究
研究多语言的低资源依存句法分析,提出了 5 种针对低资源场景的策略并对其进行了实验,发现这些策略可以有效提高在预训练模型中没包含语言的依存句法分析精度,最终成功运用在梵文等低资源语言中。
- ACL基于实例的神经依存句法分析
本研究开发了一种具有可解释推理过程的神经模型,用于依存分析,并采用基于实例的推理,其训练边缘被用于明确预测,并显著提高了每个边缘对预测的贡献,实验证明该模型具有与标准神经模型的竞争准确性和基于实例的合理解释性。
- EMNLP依存句法分析器的三倍训练的再探讨
本研究比较了两种半监督学习技术,即 tri-training 和预训练词嵌入,在依存句法分析任务中的表现。研究探讨了语言特定的 FastText 和 ELMo 嵌入以及多语言 BERT 嵌入,并选择了匈牙利语、维吾尔语和越南语等语言进行研究 - EMNLPCOMBO:先进的形态句法分析
COMBO 是一个完全基于神经网络的 NLP 系统,支持准确的词性标注、形态分析、词形还原和 (增强) 依赖分析,提供超过 40 种语言的自动可下载的预训练模型,平衡了效率和质量。
- EMNLP面向任务的语义解析图解码
本文探讨了一种新的语义分析方法,将其表述为依存句法分析任务,应用于为句法分析开发的基于图形的解码技术。实验相同的预训练变压器编码器在 TOP 数据集上,比较了不同的解码技术,包括训练数据有限或只包含部分注释示例的情况。结果表明,与序列解码器 - ACL基于图形和头尾跨度的投影依存句法分析(二阶)
本研究结合了图形方法和基于主导跨度的方法,将弧度分数和主导跨度分数合并到模型中。通过两种动态规划算法组合第一和第二阶图形和主导跨度方法,实验表明,将基于第一阶图形的方法与基于主导跨度的方法相结合是有效的。但是,当组合第二阶图形和主导跨度方法 - ACL基于 MRC 的跨度预测依存句法分析
本文提出了一种新的依存句法分析方法,旨在通过模拟子树与子树之间的关系,解决依存树中边的构造应该在文本跨度 / 子树级别而不是词级别上的问题。
- EMNLP针对跨语言任务量身定制的 “维基” 监督神经翻译
该研究提出一种使用维基百科的简单但有效的方法,用于神经机器翻译以及图像字幕和依赖分析的跨语言任务,同时不使用来自外部平行数据或目标语言的监督模型的直接监督。
- ACL基于元学习的依存句法快速跨语言适配
应用元学习技术,使用模型无关的元学习 (MAML) 在不同的语言上进行训练,实现快速适应新语言,有效提高了在少量数据集下,处理跨语言 NLP 问题时的效果。
- ACLPPT: 简约的解析器转移,用于无监督的跨语言适应
本文提出了一种基于无监督自我训练并采用多语言输入编码的无监督跨语言转移方法,可用于低资源语言依赖解析。该方法在不接触源语言数据、同时支持多源转移、支持非投影解析的前提下,接受任何预训练弧分解依赖分析器,并且相比于传统的直接转移方法,能够显著 - ACLPhoNLP:越南词性标注、命名实体识别和依存句法分析的联合多任务学习模型
我们首次提出了名为 PhoNLP 的多任务学习模型,可用于联合越南文词性标注、命名实体识别和依存分析,并在越南基准数据集上表现出优秀的效果。我们将 PhoNLP 开源发布作为一个工具包,可直接应用于其他语言的研究和应用中。
- COLING使用括号编码进行二平面依存句法分析
本文提出一种基于括号的编码方法来表示依存句法树,通过利用 2-planarity 的特性进行编码以实现对非投影树的几乎完全覆盖,并在高度非投影树库上提高 0.4% LAS 的准确性。