两种用于神经成分句法分析的局部模型
计算与语言
2018-08-29 v2
摘要
非局部特征已被句法分析器用于捕获子输出结构之间的依赖关系。此类特征一直是统计句法分析器取得最优性能的关键。然而，随着深度学习的兴起，研究表明局部输出决策可给出极具竞争力的准确率，这得益于蕴含全局句法信息的稠密神经输入表示。我们研究了两种概念上简单的用于成分句法分析的局部神经模型，它们分别对成分跨度和 CFG 规则做出局部决策。与以往相关发现一致，我们的最佳模型给出了极具竞争力的结果，在 PTB 上达到 92.4% 的带标注括号 F1 分数，在 CTB 5.1 上达到 87.3%。
引用
@article{arxiv.1808.04850,
title = {Two Local Models for Neural Constituent Parsing},
author = {Zhiyang Teng and Yue Zhang},
journal= {arXiv preprint arXiv:1808.04850},
year = {2018}
}
备注
COLING 2018