論文の概要: Transition-Based Dependency Parsing using Perceptron Learner
- arxiv url: http://arxiv.org/abs/2001.08279v2
- Date: Tue, 28 Jan 2020 22:09:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-07 17:45:37.387364
- Title: Transition-Based Dependency Parsing using Perceptron Learner
- Title（参考訳）: パーセプトロン学習者を用いた遷移型依存構文解析
- Authors: Rahul Radhakrishnan Iyer, Miguel Ballesteros, Chris Dyer, Robert
Frederking
- Abstract要約: Perceptron Learner を用いたトランジッションベースの依存性解析に取り組む。
提案モデルでは,Perceptron Learnerにより関連性の高い機能を付加し,ベースラインのアーク標準よりも優れた性能を示す。
- 参考スコア（独自算出の注目度）: 34.59241394911966
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Syntactic parsing using dependency structures has become a standard technique
in natural language processing with many different parsing models, in
particular data-driven models that can be trained on syntactically annotated
corpora. In this paper, we tackle transition-based dependency parsing using a
Perceptron Learner. Our proposed model, which adds more relevant features to
the Perceptron Learner, outperforms a baseline arc-standard parser. We beat the
UAS of the MALT and LSTM parsers. We also give possible ways to address parsing
of non-projective trees.
- Abstract（参考訳）: 依存構造を用いた構文解析は、多くの異なる構文解析モデル、特に構文的にアノテートされたコーパスで訓練できるデータ駆動モデルを用いた自然言語処理の標準技術となっている。
本稿では,Perceptron Learner を用いたトランジッションベースの依存性解析に取り組む。
Perceptron Learnerにより関連性の高い機能を追加した提案モデルは,ベースラインのアーク標準パーサよりも優れている。
我々はMALTとLSTMのパーサーのUASを破った。
また、非プロジェクティブツリーのパースに対処する方法も提供します。
関連論文リスト
- ChatGPT is a Potential Zero-Shot Dependency Parser [5.726114645714751]
事前訓練された言語モデルが、ゼロショットシナリオに付加的な構造を導入することなく、自発的に依存性解析の能力を発揮できるかどうかについては、未検討のままである。
本稿では,ChatGPTなどの大規模言語モデルの依存性解析能力について検討し,言語解析を行う。
論文 参考訳（メタデータ） (2023-10-25T14:08:39Z) - Hexatagging: Projective Dependency Parsing as Tagging [63.5392760743851]
文中の単語を有限個の可能なタグの要素でタグ付けすることで、依存関係木を構成する新しい依存性であるヘキサトガーを導入する。
私たちのアプローチは、トレーニング時に完全に並列化可能です。すなわち、依存関係のパースを構築するのに必要な構造構築アクションは、互いに並列に予測できます。
我々はPenn Treebankテストセット上で96.4 LASと97.4 UASの最先端性能を実現する。
論文 参考訳（メタデータ） (2023-06-08T18:02:07Z) - Syntactic Substitutability as Unsupervised Dependency Syntax [31.488677474152794]
依存関係関係や構文置換可能性の定義において、より一般的な性質を暗黙的にモデル化する。
この性質は、依存関係の両端にある単語が、同じカテゴリの単語で置き換えられるという事実を捉えている。
使用する代替品の数を増やすことで、自然データに対する解析精度が向上することを示す。
論文 参考訳（メタデータ） (2022-11-29T09:01:37Z) - On The Ingredients of an Effective Zero-shot Semantic Parser [95.01623036661468]
我々は、標準発話とプログラムの訓練例を文法から言い換えて、ゼロショット学習を分析する。
改良された文法,より強力なパラフレーズ,効率的な学習手法を用いて,これらのギャップを埋めることを提案する。
我々のモデルはラベル付きデータゼロの2つの意味解析ベンチマーク(Scholar, Geo)で高い性能を達成する。
論文 参考訳（メタデータ） (2021-10-15T21:41:16Z) - Learning compositional structures for semantic graph parsing [81.41592892863979]
本稿では、AM依存性解析をニューラル潜在変数モデルで直接トレーニングする方法を示す。
本モデルでは,いくつかの言語現象を独自に把握し,教師あり学習に匹敵する精度を達成している。
論文 参考訳（メタデータ） (2021-06-08T14:20:07Z) - Learning to Synthesize Data for Semantic Parsing [57.190817162674875]
本稿では,プログラムの構成をモデル化し,プログラムを発話にマップする生成モデルを提案する。
PCFGと事前学習されたBARTの簡易性により,既存のデータから効率的に生成モデルを学習することができる。
GeoQuery と Spider の標準ベンチマークで解析する text-to-Query の in-domain と out-of-domain の両方で、この手法を評価します。
論文 参考訳（メタデータ） (2021-04-12T21:24:02Z) - Coordinate Constructions in English Enhanced Universal Dependencies:
Analysis and Computational Modeling [1.9950682531209154]
拡張ユニバーサル依存(UD)における座標構成の表現に対処する。
手動で編集した構文グラフの大規模なデータセットを作成する。
元のデータにおけるいくつかの系統的誤りを識別し、結合の伝播も提案する。
論文 参考訳（メタデータ） (2021-03-16T10:24:27Z) - Infusing Finetuning with Semantic Dependencies [62.37697048781823]
シンタックスとは異なり、セマンティクスは今日の事前訓練モデルによって表面化されないことを示す。
次に、畳み込みグラフエンコーダを使用して、タスク固有の微調整にセマンティック解析を明示的に組み込む。
論文 参考訳（メタデータ） (2020-12-10T01:27:24Z) - Applying Occam's Razor to Transformer-Based Dependency Parsing: What
Works, What Doesn't, and What is Really Necessary [9.347252855045125]
我々は,事前学習した埋め込みの選択と,グラフベースの依存性スキームでLSTM層を使用するかどうかについて検討する。
我々は,12言語中10言語に対して,新しい最先端の成果(LAS)を実現するため,シンプルだが広く適用可能なアーキテクチャと構成を提案する。
論文 参考訳（メタデータ） (2020-10-23T22:58:26Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。