用于词性标注、句法分析与词形还原的半监督神经系统中
计算与语言
2020-04-28 v1
摘要
本文描述了参与 CoNLL 2018 多语言从原始文本到通用依存关系解析共享任务的 ICS PAS 系统。该系统由联合训练的标注器、词形还原器和依存句法分析器组成，它们基于 biLSTM 网络提取的特征。系统使用了全连接和膨胀卷积神经架构。我们方法的新颖之处在于使用了额外的损失函数以减少预测依存图中的环数，以及使用自训练来提升系统性能。所提出的系统即 ICS PAS (Warszawa) 在官方评测中排名第 3/4，取得如下总体结果：73.02 (LAS)、60.25 (MLAS) 和 64.44 (BLEX)。
引用
@article{arxiv.2004.12450,
title = {Semi-Supervised Neural System for Tagging, Parsing and Lematization},
author = {Piotr Rybak and Alina Wróblewska},
journal= {arXiv preprint arXiv:2004.12450},
year = {2020}
}