面向 JointUD：基于循环神经网络的词性标注与词形还原
计算与语言
2018-09-11 v1
摘要
本文描述了我们提交给 CoNLL 2018 UD 共享任务的方案。我们将一个为序列标注设计的基于 LSTM 的神经网络进行了扩展，以额外生成字符级序列。该网络经过联合训练，用于生成词形、词性标签和形态学特征。句子分割、分词和依存句法分析由 UDPipe 1.2 基线处理。结果表明所提出的多任务架构是可行的，尽管其性能仍远未达到最先进水平（SOTA）。
引用
@article{arxiv.1809.03211,
title = {Towards JointUD: Part-of-speech Tagging and Lemmatization using Recurrent Neural Networks},
author = {Gor Arakelyan and Karen Hambardzumyan and Hrant Khachatrian},
journal= {arXiv preprint arXiv:1809.03211},
year = {2018}
}
备注
System description paper of our system for the CoNLL 2018 shared task on Universal Dependency parsing