基于图卷积网络的句子编码用于语义角色标注
计算与语言
2017-08-01 v4 机器学习
摘要
语义角色标注(SRL)是识别句子谓词-论元结构的任务。它通常被视为标准NLP流水线中的重要步骤。由于语义表示与句法表示紧密相关，我们在模型中利用句法信息。我们提出一种图卷积网络(GCNs)的变体，GCNs是近期一类在图上操作的神经网络，适用于建模句法依存图。基于句法依存树的GCNs被用作句子编码器，产生句子中词的潜在特征表示。我们观察到GCN层与LSTM层互补：当堆叠GCN与LSTM层时，我们在已是state-of-the-art的LSTM SRL模型上获得显著提升，从而在标准基准(CoNLL-2009)上取得中英文报告的最佳分数。
引用
@article{arxiv.1703.04826,
title = {Encoding Sentences with Graph Convolutional Networks for Semantic Role Labeling},
author = {Diego Marcheggiani and Ivan Titov},
journal= {arXiv preprint arXiv:1703.04826},
year = {2017}
}
备注
To appear in EMNLP 2017