一个完整的端到端语义角色标注器：无句法感知抑或句法感知之上？
计算与语言
2018-08-15 v2
摘要
语义角色标注（SRL）旨在识别句子的谓词-论元结构，包括谓词消歧和论元标注两个子任务。以往研究通常将整个 SRL 问题形式化为两个或更多子任务。本文首次引入了一种端到端神经模型，一次性统一处理谓词消歧与论元标注。利用双仿射（biaffine）打分器，我们的模型直接预测句中所有给定词对的所有语义角色标签，而无需依赖任何句法解析信息。具体而言，我们用非线性变换增强 BiLSTM 编码器，以进一步区分给定句中的谓词与论元，并通过采用双仿射注意力机制将语义角色标注过程建模为词对分类任务。尽管所提模型采用局部解码器而无句法感知，它在 CoNLL-2008、2009 中英文基准上均优于最先进的句法感知 SRL 系统。据我们所知，我们报告了首个超越所有已知句法感知模型的无句法感知 SRL 模型。
引用
@article{arxiv.1808.03815,
title = {A Full End-to-End Semantic Role Labeler, Syntax-agnostic Over Syntax-aware?},
author = {Jiaxun Cai and Shexia He and Zuchao Li and Hai Zhao},
journal= {arXiv preprint arXiv:1808.03815},
year = {2018}
}
备注
In Proceedings of the 27th International Conference on Computational Linguistics (COLING 2018)