Fugu-MT 論文翻訳(概要): A Fundamental Algorithm for Dependency Parsing (With Corrections)

論文の概要: A Fundamental Algorithm for Dependency Parsing (With Corrections)

arxiv url: http://arxiv.org/abs/2510.19996v1
Date: Wed, 22 Oct 2025 19:48:38 GMT
ステータス: 翻訳完了
システム内更新日: 2025-10-25 03:08:16.816553
Title: A Fundamental Algorithm for Dependency Parsing (With Corrections)
Title（参考訳）: 係り受け解析のための基礎的アルゴリズム(補正による)
Authors: Michael A. Covington,
Abstract要約: 本稿では,自然言語文を係り受け木に解析するための基本アルゴリズムを提案する。フレーズ構造解析とは異なり、このアルゴリズムは一度に1つの単語を処理し、各単語をアタッチできる限り早くアタッチする。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper presents a fundamental algorithm for parsing natural language sentences into dependency trees. Unlike phrase-structure (constituency) parsers, this algorithm operates one word at a time, attaching each word as soon as it can be attached, corresponding to properties claimed for the parser in the human brain. Like phrase-structure parsing, its worst-case complexity is $O(n^3)$, but in human language, the worst case occurs only for small $n$.
Abstract（参考訳）: 本稿では,自然言語文を係り受け木に解析するための基本アルゴリズムを提案する。フレーズ構造 (constituency) パーサーとは異なり、このアルゴリズムは一度に1つの単語を処理し、人間の脳のパーサーに要求される特性に応じて、各単語をアタッチできる限り早くアタッチする。フレーズ構造解析と同様に、最悪のケースの複雑さは$O(n^3)$であるが、人間の言語では、最悪のケースは小さな$n$でしか発生しない。

関連論文リスト

Integrating Supertag Features into Neural Discontinuous Constituent Parsing [0.0]
伝統的な選挙区の見解では、構成要素は隣接した単語で構成されており、ドイツ語のような言語で一般的である。トランジションベースの構文解析は、大きな注釈付きコーパス上で教師あり学習を用いて生のテキストを入力した木を生成する。
論文参考訳（メタデータ） (2024-10-11T12:28:26Z)
Urdu Dependency Parsing and Treebank Development: A Syntactic and Morphological Perspective [0.0]
依存関係解析を用いて、ウルドゥー語でニュース記事を分析する。最良ラベル付き精度(LA)は70%,未ラベル付きアタッチメントスコア(UAS)は84%であった。
論文参考訳（メタデータ） (2024-06-13T19:30:32Z)
Structured Tree Alignment for Evaluation of (Speech) Constituency Parsing [43.758912958903494]
本稿では, 音声評価の問題に起因した, 区切り木間の類似度尺度STRUCT-IOUについて述べる。パラメータを計算するために,音声領域に強制アライメントを施して接地構文解析木を投影し,予測された接地構造成分と予測された成分を一定の制約下で整列させ,すべての整列構成ペアの平均IOUスコアを算出する。
論文参考訳（メタデータ） (2024-02-21T00:01:17Z)
Efficient Algorithms for Recognizing Weighted Tree-Adjoining Languages [104.90415092306219]
4つの形式は、ツリー随伴文法(TAG)、線形指数文法(LIG)、プッシュダウン随伴オートマトン(PAA)、組込みプッシュダウンオートマトン(EPDA)に相当する。我々は,文字列の導出量(文字列のすべてのオートマトン重み)と全導出量(全ての導出量重み)を計算するための新しいアルゴリズムを設計する。 EPDA の場合、我々のアルゴリズムは、$mathcalO(|Gamma|2)$ および $ の因子による Alonso et al. (2001) のアルゴリズムよりも空間効率と時間効率が良い。
論文参考訳（メタデータ） (2023-10-23T18:26:00Z)
Penn-Helsinki Parsed Corpus of Early Modern English: First Parsing Results and Analysis [2.8749014299466444]
本研究は,Penn-Helsinki Parsed Corpus of Early Modern English (PPCEME) の最初の解析結果である。 PPCEMEの重要な特徴として,Penn Treebankよりも大きく,より多様な関数タグを含む,解析の難しさを挙げる。
論文参考訳（メタデータ） (2021-12-15T23:56:21Z)
Head-driven Phrase Structure Parsing in O($n^3$) Time Complexity [48.683350567504604]
2つの古典的な構文解析形式である構成解析と依存性解析は、統一的な形式主義の下での共同訓練と復号化の恩恵を受けている。本稿では,O$($n3$) の時間的複雑さで新たなパフォーマンス保存を実現するために,改良されたヘッドスコアラを提案する。
論文参考訳（メタデータ） (2021-05-20T15:33:51Z)
Strongly Incremental Constituency Parsing with Graph Neural Networks [70.16880251349093]
文を構文木にパースすることは、NLPの下流アプリケーションに恩恵をもたらす。トランジッションベースは、状態遷移システムでアクションを実行することでツリーを構築する。既存のトランジションベースは主にシフト・リデュース・トランジション・システムに基づいている。
論文参考訳（メタデータ） (2020-10-27T19:19:38Z)
Fast semantic parsing with well-typedness guarantees [78.76675218975768]
AM依存性解析は、複数のグラフバンクにまたがる高精度なニューラルセマンティック解析の原理的手法である。 A* と AM 依存解析の遷移ベースを記述し, 高い型付け性を確保し, 解析速度を最大 3 桁向上する。
論文参考訳（メタデータ） (2020-09-15T21:54:01Z)
A Simple Global Neural Discourse Parser [61.728994693410954]
本稿では,手作業で構築した特徴を必要とせず,学習したスパン表現のみに基づく簡易なグラフベースニューラル談話を提案する。我々は,我々のモデルが世界規模で最高の性能を達成し,最先端の欲求に匹敵する性能を実証的に示す。
論文参考訳（メタデータ） (2020-09-02T19:28:40Z)

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。