面向标点符号的树库树状结构二元化
计算与语言
2025-10-14 v1
摘要
本文提出了一个精选资源和评估套件，用于面向标点符号的树库树状结构二元化。标准二元化流程在决策头节点前会丢弃标点符号，这会改变构件形状并损害头子节点识别。我们发布了 (1) 一个保留标点符号作为兄弟节点后再进行二元化的可复现流程， (2) 派生的制品和元数据（中间的 @X 标记、可逆性签名、对齐索引），以及 (3) 一个涵盖头子节点预测、往返可逆性和与派生资源（CCGbank）结构兼容性的随附评估套件。在 Penn Treebank 上，面向标点符号的预处理将头预测准确率从 73.66%（Collins 规则）和 86.66%（MLP）提升至 91.85%（使用相同分类器），并在 CCGbank 推导方面实现了竞争性对齐。所有代码、配置文件和文档均已发布，以便实现复制和扩展到其他语料库。
引用
@article{arxiv.2510.10951,
title = {Punctuation-aware treebank tree binarization},
author = {Eitan Klinger and Vivaan Wadhwa and Jungyeul Park},
journal= {arXiv preprint arXiv:2510.10951},
year = {2025}
}