一种具有双向 LSTM 的非投影贪婪依存句法分析器
计算与语言
2017-07-12 v1
摘要
LyS-FASTPARSE 团队提出了 BIST-COVINGTON，即用于非投影依存句法分析的 Covington (2001) 算法的神经实现。采用 Kipperwasser 与 Goldberg (2016) 的双向 LSTM 方法训练带有动态 oracle 的贪婪分析器，以减轻错误传播。该模型参与了 CoNLL 2017 UD 共享任务。尽管未使用任何集成方法，且采用基线分词与词性标注，该分析器在大型树库类别（55 种语言）的宏平均 LAS 与 UAS 上均取得良好结果，在 33 支队伍中排名第 7。在全部树库类别（LAS 与 UAS）中，我们分别排名第 16 与第 12。全部与大型类别间的差距主要源于在四个并行 PUD 树库上的较差表现，这表明某些“带后缀”树库（如 Spanish-AnCora）在跨树库设置下表现不佳，而相应的“无后缀”树库（如 Spanish）则不会出现此情况。通过对此进行改进，我们在所有运行（官方与非官方）中获得了第 11 佳的 LAS。代码发布于 https://github.com/CoNLL-UD-2017/LyS-FASTPARSE
引用
@article{arxiv.1707.03228,
title = {A non-projective greedy dependency parser with bidirectional LSTMs},
author = {David Vilares and Carlos Gómez-Rodríguez},
journal= {arXiv preprint arXiv:1707.03228},
year = {2017}
}
备注
12 pages, 2 figures, 5 tables