基于未修订句法树的新闻文本自动语义角色标注
计算与语言
2017-04-12 v1
摘要
语义角色标注 (SRL) 是一项自然语言处理任务，能够检测句子中描述的事件及其参与者。对于巴西葡萄牙语 (BP)，最近有两项已完成的研究在新闻文本上执行了 SRL。[1] 使用经过手动修订句法树的 PropBank.Br 语料库，获得了 79.6 的 F1 值；[8] 在不使用树库进行训练的情况下，在同一语料库上获得了 68.0 的 F1 值。然而，为此任务使用手动修订的句法树并不代表实际的应用场景。本文的目标是利用更大且平衡的 BP 新闻文本语料库，评估 SRL 在修订和未修订句法树上的性能。首先，我们证明了 [1] 的系统在更大的语料库上也优于 [8] 的系统。其次，在未修订树上训练的 SRL 系统在未修订树上的表现优于在金标准数据上训练的系统。
引用
@article{arxiv.1704.03016,
title = {Automatic semantic role labeling on non-revised syntactic trees of journalistic texts},
author = {Nathan Siegle Hartmann and Magali Sanches Duran and Sandra Maria Aluísio},
journal= {arXiv preprint arXiv:1704.03016},
year = {2017}
}
备注
PROPOR International Conference on the Computational Processing of Portuguese, 2016, 8 pages