- 基于注入语法的更快速和更准确的情感分析方法
这篇论文研究了在情感分析过程中使用序列标注句法解析器注入句法信息以提高速度和准确性的方法，通过对三元极性分类任务进行训练和评估，展示了该方法相较于传统的句法解析器和基于浅层句法规则的启发式方法在极性预测任务中更快且更准确的表现，特别适用于在 - 不含涉密术语和不必要解释的无泪 MRL 解析：以希伯来语为例
在形态丰富的语种中，通过一种新的 “翻转管道” 方法，直接在整个单词单元上进行专家分类器的决策，再综合其预测，从而在希伯来语词性标注和依存句法分析上取得了新的技术水平，并在其他希伯来语自然语言处理任务上接近最新技术水平。
- 一个真正的联合神经结构用于分割和解析
通过提供一种基于格点的表示，能够同时解决词法分割和句法分析任务的联合神经体系结构，在希伯来语等具有高度复杂性和模棱两可性的多词类语言上取得了最先进的性能。
- 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。
- EMNLP弱监督标题依赖关系分析
通过提供第一个标记有语法依存树的通用语言标题新闻语料库，我们旨在弥补语言处理句法分析领域对新闻标题的关注不足。通过从未标记的新闻标题 - 文章引文对中获取银标签训练数据来改进英语新闻标题的分析准确性，我们发现训练基于银标题解析的模型比仅基于 - EMNLP自回归语言模型中的增量解析状态探测
本研究评估了自回归神经语言模型在句法上对语法结构维护能力的学习程度，提出了几种用于从自回归语言模型中提取不完全的句法结构的探测器，并发现这些探测器可用于预测模型对于可疑前缀的偏好、对模型的表现进行因果干预，从而表明自回归神经语言模型的下一词 - ACL线性化解析在词性标注中的价值 - 然而对错误抱有一些烦恼
研究表明，在深度学习背景下，词性标注对于语法分析的作用有限，唯有当标注准确率非常高或资源非常匮乏时才有所帮助；而对于序列标注分析模型而言，词性标注的影响取决于编码方式等因素，其中基于词性的头选择编码方式仅在标注准确率和资源可用性均很高时表现 - ACL最劣情况感知自动课程学习下的零样本依存句法分析
本研究采用来自多任务学习的自动课程学习方法，旨在动态优化对于语法分析模型下游任务的性能，从而实现在低资源语言中的零样本情况下的跨语言迁移，表明这种方法比均匀和大小成比例采样更好。
- 在 Tweebank 语料库上进行命名实体识别注释，并建立用于社交媒体分析的 NLP 模型
本研究旨在创建 Tweebank-NER，一个基于 Tweebank V2 的英文 NER 语料库，用 TB2 训练最先进的 Tweet NLP 模型，并发布名为 Twitter-Stanza 的 NLP 管道。
- ACL翻译自由语序格标语言的困难之处
探究自由语序语言和固定语序语言在自然语言处理技术中的表现差异，针对神经机器翻译技术的困难，提出了使用语态标记来解决歧义问题，但在中低资源情况下，固定语序的语言仍然表现出了更好的整体机器翻译质量。
- ACL一种条件分割框架用于高效的成分句法分析
该研究介绍了一种通用的 seq2seq 分析框架，将组成分析问题（语法和话语分析）转化为一系列条件分裂决策。我们的方法支持高效的自上而下解码，可以实现结构一致性且不需要昂贵的结构化推理。实验结果表明，在语法分析任务和话语分析任务中，我们的方 - ACL汉语词汇内部结构深入研究
提出了一种将中文单词的深度内部结构建模为具有 11 个标签的依赖树的方法，并使用一个竞争性的依存分析器进行基准实验，最后提出了两种编码中文单词深层结构的简单方法，从而在句子级依存结构分析任务上取得了有望的收益。
- ACL监督句法分析对语言理解是否有益？实证研究
本文基于上下文中的先前思路是否明确需监督的句法分析才能实现高层语义理解，通过实证研究检验了监督句法分析在语言模型预训练的 Transformer 网络中应用于语义理解的效用，并通过分析该网络在句法分析中前后的表示空间，得出监督句法分析对最终 - 无监督关系抽取的深度双向转换器
使用句法分析和预先训练的词嵌入技术，在缺乏任何形式监督的情况下，提取少量精确关系，用于注释更大的语料库，并在生物医学领域的四个数据集上通过微调预先训练的 BERT 模型进行关系抽取实验表明，与无监督关系提取的两个简单的基线相比，我们的方法显 - EMNLP使依存句法分析器具备视觉能力
探讨如何在 RNN 依赖解析器（用于英语）中利用仅在训练期间可用的注视跟踪数据，即推理时间不使用聚合或令牌级注视特征。为此，我们训练了一个多任务学习模型，它将句子解析为序列标签，并利用注视特征作为辅助任务。我们的方法还学习如何从不相交的数据 - ACL解析全部：句法和语义、依存关系和跨度
本研究提出了一种新的基于神经网络的两种表征形式（span 和 dependency）的句法和语义联合模型，该模型有效地整合了句法信息，最大化优化联合目标，试验结果表明语义和句法可以相互促进，以全新的表现水平取得了 Propbank 基准测试 - 为新十年打下基础：使用 BERT 进行序列标注、句法和语义分析
本研究采用最新的语境化嵌入框架 BERT，为词性标注、句法分析和语义分析三个任务提出了最新的技术模型，并在 12 个英文和中文数据集上进行了实验，结果表明 BERT 模型在这三项任务中均优于当前最佳模型平均 2.5％（最显着的情况下是 7. - 2019 年 SemEval 任务 1 中苏州大学 HLT 小组：将 UCCA 图解析为组成树解析
本文介绍了一种简单的 UCCA 语义图解析方法，将 UCCA 语义图转换为组成树，使用设计的额外标签作为未来恢复远程边缘和不连续节点的标记，并使用现有的句法分析技术。此系统在七个参与系统中的六个英语 / 德语闭合 / 开放跟踪中排名第一，在 - ICLR可微扰动和解析：用结构化变分自编码器进行半监督解析
为了改善句法解析器，我们提出了一种新的潜变量生成模型，可以使用大量的未标记文本来进行半监督学习，并通过可微的动态规划来提高解析器的准确性。
- ACL更简单但更准确的语义依赖分析
本研究使用 LSTM 神经网络对句法解析器进行扩展，使其能够训练并生成图形结构的语义依存关系，并获得了最新的高性能表现。