翻译并标注！一种用于跨语言语义角色标注的编码器-解码器方法
计算与语言
2019-08-30 v1 机器学习
摘要
我们提出一种跨语言编码器-解码器模型，该模型在资源贫乏的目标语言中同时翻译并生成带语义角色标注（SRL）的句子。与标注投影技术不同，我们的模型在推理时不需要平行数据。我们的方法可应用于单语、多语和跨语言设置，并能够生成基于依赖和基于跨度的SRL标注。我们使用知名的SRL数据集在不同单语和多语设置下基准测试我们模型的标注性能。随后我们在跨语言设置中训练模型以生成新的SRL标注数据。最后，我们通过将生成的数据用于增强资源贫乏语言的训练基础来衡量我们方法的有效性，并进行人工评估以表明其生成高质量句子并赋予准确的语义角色标注。我们提出的架构提供了一种在多种语言中利用SRL数据的灵活方法。
引用
@article{arxiv.1908.11326,
title = {Translate and Label! An Encoder-Decoder Approach for Cross-lingual Semantic Role Labeling},
author = {Angel Daza and Anette Frank},
journal= {arXiv preprint arXiv:1908.11326},
year = {2019}
}