論文の概要: DPH Parser: A Bottom-Up Grammar-Driven Parser for Joint Constituency and Dependency Analysis
- arxiv url: http://arxiv.org/abs/2609.06070v1
- Date: Sat, 05 Sep 2026 12:58:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-12 11:42:30.160917
- Title: DPH Parser: A Bottom-Up Grammar-Driven Parser for Joint Constituency and Dependency Analysis
- Title（参考訳）: DPHパーザ: ボトムアップ型文法駆動型構文解析システム
- Abstract要約: 本稿では,HPSG (Generalized Phrase Structure Grammar) とHPSG (Head-driven Phrase Structure Grammar) にインスパイアされた文法駆動型ボトムアップ非重畳構文解析フレームワークを提案する。
このシステムは確率的POSコーパスタグ付け、フレーズ投影、重み付け仮説を組み合わせて、現実的で部分的にノイズのあるテキスト入力を処理する。
現在のシステムは、現代のニューラルネットワークの精度にはまだアプローチしていないが、この結果は、ツリーバンクデータに透過的なルールベースのボトムアップ解析を適用する可能性を示している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents Dependency-Phrase Hierarchy Parser (DPH Parser), a grammar-driven bottom-up unsupervized parsing framework inspired by Generalized Phrase Structure Grammar (GPSG) and Head-driven Phrase Structure Grammar (HPSG). The parser incrementally constructs constituency structures using a compact inventory of feature-based syntactic rules while deriving dependency relations through explicit head annotations. The system combines probabilistic POS tagging, recursive phrase projection, and weighted parse hypotheses to process realistic and partially noisy text input. Unlike purely neural and data-driven parsers, the resulting syntactic derivations remain explicitly interpretable. We evaluated parser performance on English corpora from the Universal Dependencies (UD) project using Unlabeled Attachment Score (UAS) as the main parsing metric, comparing the outcomes against Stanza and spaCy parsers. For a small inventory of syntactic rules, DPH parser achieved UAS values of 53.32% & 52.58% (UD Devset/Testset respectively). For the same data, Stanza achieved 89.12% & 88.67% while spaCy achieved 56.91% and 58.59%. Although the current system does not yet approach the accuracy of modern neural parsers, the results demonstrate the feasibility of applying transparent rule-based bottom-up parsing to realistic treebank data while jointly producing constituency and dependency structures.
- Abstract（参考訳）: 本稿では,HPSG (Generalized Phrase Structure Grammar) とHPSG (Head-driven Phrase Structure Grammar) にインスパイアされた,文法駆動型ボトムアップ非加重解析フレームワークである Dependency-Phrase Hierarchy Parser (DPH Parser) を提案する。
パーサは、明示的なヘッドアノテーションを通じて依存関係関係を導出しながら、特徴ベースの構文規則のコンパクトな在庫を使用して、選挙区構造を漸進的に構成する。
このシステムは確率的なPOSタグ付け、再帰的フレーズプロジェクション、重み付けされたパース仮説を組み合わせることで、現実的で部分的にノイズの多いテキスト入力を処理する。
純粋にニューラルでデータ駆動のパーサーとは異なり、結果として生じる構文的導出は明示的に解釈可能である。
本研究では,Universal Dependencies (UD) プロジェクトにおいて,Universal Attachment Score (UAS) を主解析基準とし,Stanza と spaCy による解析結果と比較した。
小規模な統語規則の在庫については、DPHパーサーはUASの53.32%と52.58%(UD Devset/Testset)を達成した。
同じデータでは、Stanzaは89.12%、88.67%、paCyは56.91%、58.59%だった。
現在のシステムは、現代のニューラルパーサの精度にはまだアプローチしていないが、この結果は、透過的なルールベースのボトムアップパーシングをリアルツリーバンクデータに適用し、選挙区構造と依存性構造を共同で生成する可能性を示している。
関連論文リスト
- Weave of Formal Thought [51.56484100374058]
WoFT(Weave of Formal Thought)は、厳密な構文的検証と学習された構造的表現を結合したパラダイムである。
本稿では,非終端文法記号を直接生成にインターリーブするために,言語モデルを訓練する潜時可変微調整法を提案する。
Pythonでは、RWS目的のStarCoder2-3Bを微調整することで、テキストのみのSFTベースラインと比較して、トーケン毎のクロスエントロピーが14.3%削減される。
論文 参考訳（メタデータ） (2026-06-24T15:58:11Z) - We can still parse using syntactic rules [0.0]
本研究では,文脈自由文法 (CFG) と一般化句構造文法 (GPSG) に基づく構文解析手法を提案する。
このアプローチは、新しい構文解析アルゴリズムと、CFGの制限を克服する一連の構文規則と特徴からなる。
また、ノイズと不完全なパースを調節しながら、依存関係と選挙区のパースツリーの両方を生成する。
論文 参考訳（メタデータ） (2026-02-15T17:16:32Z) - Growing Trees on Sounds: Assessing Strategies for End-to-End Dependency Parsing of Speech [8.550564152063522]
音声解析における2つの解析パラダイムの性能評価を目的とした一連の実験について報告する。
我々はこの評価をフランス語の大きな木バンクで行い、現実的な自発的な会話を特徴とする。
その結果, (i) グラフに基づく手法は, (ii) パラメータが30%少ないにもかかわらず, (ii) 音声から直接解析することで, パイプライン手法よりも優れた結果が得られることがわかった。
論文 参考訳（メタデータ） (2024-06-18T13:46:10Z) - 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) - Cascading and Direct Approaches to Unsupervised Constituency Parsing on
Spoken Sentences [67.37544997614646]
本研究は,教師なし音声補聴における最初の研究である。
目的は, 音声文の階層的構文構造を, 選挙区解析木の形で決定することである。
正確なセグメンテーションだけでは、音声文を正確に解析するのに十分であることを示す。
論文 参考訳（メタデータ） (2023-03-15T17:57:22Z) - CPTAM: Constituency Parse Tree Aggregation Method [6.011216641982612]
本稿では,異なる距離から区切り木を集約するために,真理発見の考え方を取り入れた。
本稿では,構造集約と構成ラベル集約という2つのステップで,構成構文解析木集約問題を定式化する。
さまざまな言語やドメインのベンチマークデータセットで実験が行われる。
論文 参考訳（メタデータ） (2022-01-19T23:05:37Z) - 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) - Syntactic representation learning for neural network based TTS with
syntactic parse tree traversal [49.05471750563229]
本稿では,構文解析木に基づく構文表現学習手法を提案し,構文構造情報を自動的に活用する。
実験の結果,提案手法の有効性が示された。
複数の構文解析木を持つ文では、合成音声から韻律的差異が明確に認識される。
論文 参考訳（メタデータ） (2020-12-13T05:52:07Z) - Pareto Probing: Trading Off Accuracy for Complexity [87.09294772742737]
我々は,プローブの複雑性と性能の基本的なトレードオフを反映したプローブ計量について論じる。
係り受け解析による実験により,文脈表現と非文脈表現の統語的知識の幅広いギャップが明らかとなった。
論文 参考訳（メタデータ） (2020-10-05T17:27:31Z) - 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。
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。