结合依存句法分析的层次化多任务学习用于日语语义角色标注并提升论元识别性能
计算与语言
2021-03-01 v2
摘要
随着 FrameNet 和 PropBank 的出现，英语中已提出许多语义角色标注（SRL）系统。尽管针对日语述谓语义格分析（PASA）的研究已开展，但多数研究聚焦于表层格。此前关于日语深层格 SRL 的工作寥寥无几，且其模型准确率较低。因此，我们提出一种结合依存句法分析（DP）的层次化多任务学习方法，并表明我们的模型在日语 SRL 上取得了最先进的成果。此外，我们采用联合模型同时进行论元识别与论元分类实验。结果表明，与 DP 的多任务处理主要对论元识别有效。
引用
@article{arxiv.2101.06071,
title = {Hierarchical Multitask Learning with Dependency Parsing for Japanese Semantic Role Labeling Improves Performance of Argument Identification},
author = {Tomohiro Nakamura and Tomoya Miyashita and Soh Ohara},
journal= {arXiv preprint arXiv:2101.06071},
year = {2021}
}