unsupervised parsing | BriefGPT

关键词unsupervised parsing

搜索结果 - 12

EMNLP具有独立左右生成规则的简单硬件高效 PCFGs
通过低秩参数化规则概率张量，将稠密 PCFG 扩展到数千个非终结符，有助于无监督解析。本文提出了一种简单的 PCFG 形式，独立的左右生成，这种形式比低秩方法更有效地扩展为语言模型和无监督解析器，并且具有更好的性能。同时，我们还提出了一种硬
PDF8 months ago
基于连续语音信号的无监督组成结构句法分析中的级联和直接方法
该研究使用无标签口语句子和未成对文本数据进行无监督组成语法分析，比较了通过级联自动语音识别和无监督解析器方法以及直接对连续的词级语音表示进行无监督解析器训练的方法，发现后者解析效果更好。此外，准确的分割也可以实现口语句子的准确解析。最后，该
PDFa year ago
ACLR2D2: 递归 Transformer 基于可微分树的可解释分层语言建模
本文提出了一种基于递归 Transformer 模型的分层过程的方法，并将双向语言模型预训练目标扩展到此体系结构，试图预测每个单词给定其左右抽象节点。实验结果表明，我们的方法在语言建模和无监督解析方面非常有效。
PDF3 years ago
ACL神经双词汇化 PCFG 归纳
本文提出一种参数化 Neural lexicalized PCFGs 的方法，该方法直接模拟双词依赖性，并同时降低 L-PCFGs 的学习和表达复杂度，实验结果表明该方法提高了解析性能。
PDF3 years ago
ACL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。
PDF3 years ago
ACLPCFGs 能做得更好：用许多符号诱导概率上下文无关文法
本文介绍了一种基于张量分解的新的概率上下文无关文法参数化形式，其符号数量的计算复杂度最多为二次，适用于大量符号，可以进一步使用神经参数化来改善无监督解析性能。
PDF3 years ago
ACL基于自注意力头的无监督成分句法分析
本研究使用 Transformer-based pre-trained language models 并提出一种全新的无监督分析方法，通过引入一个高排名头部的集合，用于从语法角度分析 PLMs 的学习知识，从而提取出 PLMs 的句法知识
PDF4 years ago
EMNLP使用有序神经元实现潜在树学习：其生成哪些句法结构？
研究表明，使用 ON-LSTM 等模型进行自然语言处理，可以在没有人为注释的情况下学习组成句法分析，相对最佳状态的性能表现较好，但在解析内部结构更复杂的名词短语时存在困难，并可能高估在动词之前分割点的高度。我们推测采用不同于单向语言建模的训
PDF4 years ago
EMNLP通过成分测试的无监督解析
本文提出了一种基于无监督成分测试的无监督解析方法。通过使用一组转换和一个无监督的神经接受模型来制定无监督解析器，以生成给定句子的树，通过聚合其成分测试判断来评分。并且通过反复改进预测出的树和提高语法性模型之间的相互作用，进一步提高了准确性。
PDF4 years ago
COLING无监督依存句法分析综述
本文综述了语法依赖分析中的无监督分析方法，确定了两种主要方法类别并讨论了最近的趋势，以期为研究人员提供深入的见解，并促进未来研究的发展。
PDF4 years ago
ICLR无监督分析的层次 Transformer
本文扩展了转换器模型，使其能够学习自然语言中的层次结构，得到了较好的无监督语法分析结果。
PDF4 years ago
ACL复合概率上下文无关文法用于文法归纳
我们研究了一个语法归纳问题的正式化，其将句子建模为由复合概率上下文无关文法生成。与传统的学习单一随机文法的方式不同，我们的文法的规则概率由每个句子的连续潜变量调制，这在传统上下文无关假设以外引出了边际依赖性。这种文法的推理通过折叠变分推理实
PDF5 years ago