自然语言解析中谱学习的多样性
计算与语言
2015-08-18 v2
摘要
我们描述了一种利用潜变量 PCFGs（L-PCFGs）的谱学习来创建多样化预测集的方法。我们的方法通过构建多个谱模型来工作，在估计每个模型之前，向训练集中的底层特征添加噪声。我们描述了使用多模型进行解码的三种方式。此外，我们描述了一种用于 L-PCFGs 的谱算法的简单变体，其速度快且能生成紧凑模型。我们在英语和德语上的自然语言解析实验表明，相较于可与最先进水平媲美的基线，我们取得了显著改进。对于英语，我们达到了 90.18 的 分数，对于德语，我们达到了 83.38 的 分数。
引用
@article{arxiv.1506.00275,
title = {Diversity in Spectral Learning for Natural Language Parsing},
author = {Shashi Narayan and Shay B. Cohen},
journal= {arXiv preprint arXiv:1506.00275},
year = {2015}
}