结合(二阶)基于图与基于有头跨度的投射依存句法分析

基于图的方法将依存树得分分解为依存弧得分,数十年来在依存句法分析中广受欢迎。最近,\citet{Yang2022Span} 提出一种基于有头跨度的方法,将依存树得分分解为有头跨度得分。他们展示了相较一阶基于图方法的改进。然而,他们的方法完全不对依存弧打分,依存弧由其立方时间算法隐式导出,这可能次优,因为对依存弧建模直观上是有用的。在本工作中,我们旨在结合基于图与基于有头跨度的方法,将弧得分与有头跨度得分同时纳入模型。首先,我们展示一种直接结合方式,其分析复杂度为 $O(n^4)$。为降低复杂度,受经典头分裂技巧启发,我们给出两种 $O(n^3)$ 动态规划算法,以结合一阶和二阶基于图与基于有头跨度的方法。我们在 PTB、CTB 和 UD 上的实验表明,结合一阶基于图与基于有头跨度的方法是有效的。我们也确认了深度学习时代二阶基于图句法分析的有效性,然而,我们观察到结合二阶基于图与基于有头跨度方法时改进甚微或无改进。我们的代码公开于 \url{https://github.com/sustcsonglin/span-based-dependency-parsing}。