面向语义依赖跨语言迁移的多任务学习
计算与语言
2020-05-01 v1
摘要
我们描述了一种为无语义标注资源的语言开发广覆盖语义依赖解析器的方法。我们利用多任务学习框架并结合标注投影方法。我们通过平行数据将受监督的语义依赖解析标注从富资源语言迁移至低资源语言，并在投影数据上训练语义解析器。我们在多任务学习框架中将受监督的句法解析作为辅助任务，并表明在不同的多任务学习设定下，我们一致地优于单任务基线。在以英语为源语言、捷克语为目标语言的设定中，我们最佳的多任务模型在域内 SemEval 数据（Oepen 等，2015）上的标注 F1 分数比单任务基线提高 1.8，在域外测试集上提高 2.5。此外，我们观察到句法与语义依赖方向匹配是提升结果的重要因素。
引用
@article{arxiv.2004.14961,
title = {Mutlitask Learning for Cross-Lingual Transfer of Semantic Dependencies},
author = {Maryam Aminian and Mohammad Sadegh Rasooli and Mona Diab},
journal= {arXiv preprint arXiv:2004.14961},
year = {2020}
}