論文の概要: Is It Really Useful to Jointly Parse Constituency and Dependency Trees?
A Revisit
- arxiv url: http://arxiv.org/abs/2309.11888v1
- Date: Thu, 21 Sep 2023 08:45:41 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-22 16:11:02.254953
- Title: Is It Really Useful to Jointly Parse Constituency and Dependency Trees?
A Revisit
- Title(参考訳): Parseの選挙区と依存関係ツリーの併用は本当に有用か?
再考
- Authors: Yanggang Gu, Yang Hou, Zhefeng Wang, Xinyu Duan, Zhenghua Li
- Abstract要約: この研究は、入力文に対して互換性のある選挙区と依存ツリーを同時に生成するために、共同で選挙区と依存ツリーを解析するトピックを訪問する。
従来の研究と比較すると,(1)より効率的な復号アルゴリズムの採用,(2)推論フェーズのみではなく,トレーニングフェーズでのジョイントモデリングの探索,(3)構成-依存性相互作用のための高次スコアリングコンポーネントの提案,(4)詳細な実験と分析による洞察の獲得,の4点が進歩している。
- 参考スコア(独自算出の注目度): 16.840923969048493
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This work visits the topic of jointly parsing constituency and dependency
trees, i.e., to produce compatible constituency and dependency trees
simultaneously for input sentences, which is attractive considering that the
two types of trees are complementary in representing syntax. Compared with
previous works, we make progress in four aspects: (1) adopting a much more
efficient decoding algorithm, (2) exploring joint modeling at the training
phase, instead of only at the inference phase, (3) proposing high-order scoring
components for constituent-dependency interaction, (4) gaining more insights
via in-depth experiments and analysis.
- Abstract(参考訳): 本研究は,構文表現において2種類の木が相補的であることを考慮し,入力文に対して相補的な構成木と係り受け木を同時に生成することを目的とする。
先行研究と比較して,(1)より効率的な復号化アルゴリズムの採用,(2)推論段階に留まらず,訓練段階における共同モデリングの探索,(3)構成-依存相互作用のための高次得点要素の提案,(4)深い実験と分析による洞察の獲得,の4つの側面が進歩している。
関連論文リスト
- Structured Dialogue Discourse Parsing [79.37200787463917]
談話解析は、多人数会話の内部構造を明らかにすることを目的としている。
本稿では,符号化と復号化という2つの観点から,従来の作業を改善する原理的手法を提案する。
実験の結果,本手法は,STACでは2.3,Mollweniでは1.5,先行モデルでは2.3を上回った。
論文 参考訳(メタデータ) (2023-06-26T22:51:01Z) - Active entailment encoding for explanation tree construction using
parsimonious generation of hard negatives [1.9062627409621]
説明生成の人的推論過程をシミュレートするエンターメントツリーが提案されている。
実際には、これらの説明木を手作業で構築することは、人間の積極的な関与を必要とする退屈なプロセスを証明する。
我々は、アクティブな前提選択ステップのシーケンスとして、エンテーメントツリーの構築をフレーム化します。
論文 参考訳(メタデータ) (2022-08-02T11:48:19Z) - Integrating Dependency Tree Into Self-attention for Sentence
Representation [9.676884071651205]
本稿では,自己認識機構と協調して機能するリレーショナルアテンション機構を適用したDependency-Transformerを提案する。
スコアベースの手法により、Transformerの並列化に影響を与えずに構文情報をインジェクトすることに成功した。
文表現のための4つのタスクにおいて、我々のモデルは最先端の手法よりも優れているか、あるいは同等である。
論文 参考訳(メタデータ) (2022-03-11T13:44:41Z) - Incorporating Constituent Syntax for Coreference Resolution [50.71868417008133]
本稿では,構成構文構造をグラフベースで組み込む手法を提案する。
また、高次近傍情報を利用して構成木に富んだ構造をエンコードすることも検討する。
on the English and Chinese parts of OntoNotes 5.0 benchmark shows that our proposed model beats a strong baseline or a new-of-the-art performance。
論文 参考訳(メタデータ) (2022-02-22T07:40:42Z) - To be Closer: Learning to Link up Aspects with Opinions [18.956990787407793]
アスペクトベース感情分析(ABSA)における係り受け解析木の有用性
本研究では,アスペクト中心のツリー構造を学習することで,アスペクトと対応する意見語の距離を短くすることを目的とする。
学習プロセスにより、木構造はアスペクトと意見語を適応的に相関させ、ABSAタスクの極性をよりよく識別することができる。
論文 参考訳(メタデータ) (2021-09-17T07:37:13Z) - Multitask Pointer Network for Multi-Representational Parsing [0.34376560669160383]
本稿では,1つのモデルをトレーニングすることにより,任意の入力文を構成木と依存木の両方で効率的に解析できる遷移ベースアプローチを提案する。
我々は2つのタスク固有のデコーダと共通エンコーダを備えたポインタネットワークアーキテクチャを開発し、それらを共同で訓練するための学習戦略に従う。
論文 参考訳(メタデータ) (2020-09-21T10:04:07Z) - Span-based Semantic Parsing for Compositional Generalization [53.24255235340056]
SpanBasedSPは入力発話上のスパンツリーを予測し、部分的なプログラムが入力内のスパンをどのように構成するかを明示的に符号化する。
GeoQuery、SCAN、CLOSUREでは、SpanBasedSPはランダムスプリットの強いseq2seqベースラインと似ているが、構成一般化を必要とするスプリットのベースラインに比べて劇的に性能が向上する。
論文 参考訳(メタデータ) (2020-09-13T16:42:18Z) - Exploiting Syntactic Structure for Better Language Modeling: A Syntactic
Distance Approach [78.77265671634454]
我々はマルチタスクの目的、すなわち、モデルが単語を同時に予測し、また「シンタクティック距離」と呼ばれる形態で真実解析木を解析する。
Penn Treebank と Chinese Treebank のデータセットによる実験結果から,地上の真理解析木を追加の訓練信号として提供すると,そのモデルはより低いパープレキシティを実現し,より良い品質で木を誘導できることが示された。
論文 参考訳(メタデータ) (2020-05-12T15:35:00Z) - Structure-Augmented Text Representation Learning for Efficient Knowledge
Graph Completion [53.31911669146451]
人為的な知識グラフは、様々な自然言語処理タスクに重要な支援情報を提供する。
これらのグラフは通常不完全であり、自動補完を促す。
グラフ埋め込みアプローチ(例えばTransE)は、グラフ要素を密度の高い埋め込みに表現することで構造化された知識を学ぶ。
テキストエンコーディングアプローチ(KG-BERTなど)は、グラフトリプルのテキストとトリプルレベルの文脈化表現を利用する。
論文 参考訳(メタデータ) (2020-04-30T13:50:34Z) - Hierarchical Human Parsing with Typed Part-Relation Reasoning [179.64978033077222]
このタスクでは、人体構造をモデル化する方法が中心的なテーマである。
深層グラフネットワークの表現能力と階層的人間構造を同時に活用することを模索する。
論文 参考訳(メタデータ) (2020-03-10T16:45:41Z)
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。