基于RNN与动态规划的线性时间成分句法分析
计算与语言
2018-05-23 v2
摘要
近来，基于跨度的成分句法分析通过使用双向RNN对“跨度”建模，以极简模型取得了有竞争力的准确率。然而，目前保持最优准确率的Stern等人 (2017a) 的最小跨度分析器是一个运行于立方时间 的图表分析器，对于较长句子以及句子边界之外的应用（如端到端篇章分析与联合句子边界检测及分析）而言过慢。我们提出了一种基于RNN与动态规划的线性时间成分分析器，使用图结构栈与集束搜索，运行时间为 ，其中 为集束大小。我们通过集成立方剪枝进一步将其加速至 。与图表分析基线相比，该线性时间分析器在Penn Treebank上对长句子显著更快，对篇章分析快数个数量级，并在单模型端到端系统中取得Penn Treebank上的最高F1准确率。
引用
@article{arxiv.1805.06995,
title = {Linear-Time Constituency Parsing with RNNs and Dynamic Programming},
author = {Juneki Hong and Liang Huang},
journal= {arXiv preprint arXiv:1805.06995},
year = {2018}
}
备注
Needs revisions, especially in the experiments section, discussing which models are WSJ-only, single-model, end-to-end