努力工作还是近乎徒劳：将类型学整合进神经依存句法分析器的挑战
计算与语言
2019-09-23 v1
摘要
本文探讨在跨语言依存句法分析语境下利用类型学的任务。尽管此类语言学信息在前神经时代的句法分析中展现出巨大潜力，但在神经架构上的结果却好坏参半。我们研究的目的是更好地理解这一现状。我们的主要发现如下：1）类型学信息的益处源于将语言粗略地分组为句法同质的聚类，而非通过学习以组合方式利用沿各个类型学维度的变异；2）与实际语料库统计一致的类型学能产生更好的迁移性能；3）就句法分析而言，类型学相似性仅是跨语言可迁移性的一个粗略代理。
引用
@article{arxiv.1909.09279,
title = {Working Hard or Hardly Working: Challenges of Integrating Typology into Neural Dependency Parsers},
author = {Adam Fisch and Jiang Guo and Regina Barzilay},
journal= {arXiv preprint arXiv:1909.09279},
year = {2019}
}
备注
EMNLP 2019