神经网络基于转移的依存句法分析的结构化训练
计算与语言
2015-06-23 v1
摘要
我们提出了用于神经网络基于转移的依存句法分析的结构化感知机训练方法。我们利用一个由大量自动解析句子扩充的黄金语料库来学习神经网络表示。给定该固定网络表示，我们使用带束搜索解码的结构化感知机学习最终层。在 Penn Treebank 上，我们的解析器达到了 94.26% 的无标号依附准确率和 92.41% 的有标号依附准确率，据我们所知，这是迄今为止 Stanford Dependencies 上的最佳准确率。我们还提供了深入的消融分析，以确定模型的哪些方面带来了最大的准确率提升。
引用
@article{arxiv.1506.06158,
title = {Structured Training for Neural Network Transition-Based Parsing},
author = {David Weiss and Chris Alberti and Michael Collins and Slav Petrov},
journal= {arXiv preprint arXiv:1506.06158},
year = {2015}
}