Extracting and Learning a Dependency-Enhanced Type Lexicon for Dutch
Utrecht University（乌得勒支大学）
本论文关注的是类型逻辑语法及其作为句子句法和语义推理工具的实用性。重点是缩小到荷兰语，表现出很大程度的词序变化的语言。为了克服由于这种可变性而产生的困难，本文探索并扩展了基于乘法直觉线性逻辑的类型语法，不可知的词序，但丰富的装饰，旨在减少其证明理论的复杂性。然后实现了一种将依赖性注释的句子转换为类型序列的算法，用具体的数据驱动的词法类型填充类型逻辑。两个实验上运行的语法实例化。第一个是关于神经结构的类型分配过程的可学习性。一个新的应用程序的自我关注的序列转导模型的建议，相反，既定的做法，它构造类型归纳内化的类型形成语法，从而表现出超出了预先指定的类型词汇的概括性。第二个围绕着一个演绎分析系统，可以解决结构歧义咨询字和类型的信息，初步结果表明，优秀的计算效率和性能。
2019-09-10 cs.CL
Lexicon and Rule-based Word Lemmatization Approach for the Somali Language
Jamhuriya University（贾姆胡里亚大学）；Aston University（阿斯顿大学）
本文针对低资源的索马里语，开发了基于词典和规则的词形还原器，构建了包含1247个词根和7173个派生词的初始词典及还原规则，在120篇文档测试中短文本准确率达95.87%。
2023-08-03 cs.CL
French parsing enhanced with a word clustering method based on a syntactic lexicon
Université Paris-Est（巴黎-est大学）；LIGM（语言与信息学实验室）
本文通过将法语句法词典（Lexicon-Grammar）的数据整合到概率解析器中，并应用聚类方法于法语树库的动词，提高了基于概率上下文无关文法的解析性能。
2026-05-30 cs.CL cs.LG
Encoding Lexicalized Tree Adjoining Grammars with a Nonmonotonic Inheritance Hierarchy
本文展示了如何DATR，一个广泛使用的词汇知识表示的形式化语言，可以用来定义一个LTAG词典作为一个继承层次结构的内部词汇规则。自下而上的特征编码用于LTAG树，这允许词汇规则被实现为特征结构内的协变约束。这种方法消除了与LTAG词典相关的大量冗余。
1995-05-15 cmp-lg cs.CL
Expanding Pretrained Models to Thousands More Languages via Lexicon-based Adaptation
Carnegie Mellon University（卡内基梅隆大学）；Google Research（谷歌研究院）
多语言预训练模型的性能高度依赖于目标语言中存在的单语或平行文本的可用性。因此，世界上大多数语言无法从NLP的最新进展中受益，因为它们没有或只有有限的文本数据。为了扩大在这些代表性不足的语言中使用NLP技术的可能性，我们系统地研究了通过使用双语词典（一种具有更好语言覆盖率的替代资源）来放松对传统语言资源的依赖的策略。我们分析了不同的策略来合成文本或标记的数据使用词典，以及如何将这些数据可以与单语或平行文本时可用。对于3个任务中的19种代表性不足的语言，我们的方法分别在有和没有额外的单语文本的情况下导致了高达5和15分的持续改进。总的来说，我们的研究强调了NLP方法如何适应当前技术服务不足的数千种语言
2022-04-06 cs.CL
Outilex, plate-forme logicielle de traitement de textes écrits
IGM - Université de Marne-la-Vallée（IGM - 马恩拉瓦莱大学）
Outilex软件平台将提供给研究、开发和工业界，它包括执行书面文本处理的所有基本操作的软件组件：无词典处理、词典和语法的利用、语言资源管理。所有数据都以XML格式组织，必要时也以可读或二进制的更紧凑格式组织;平台中包括所需的格式转换器;语法格式允许将统计方法与基于资源的方法相结合。源自LADL的法语和英语人工构建词典，覆盖面广，将在LGPL-LR许可下与平台一起分发。
2007-11-27 cs.CL
Experiences with the GTU grammar development environment
在本文中，我们描述了我们的经验与自然语言语法的开发和测试工具，称为GTU（德语：Grammatik-Testumgebumg;语法测试环境）。GTU在面向窗口的用户界面下支持四种语法形式。此外，它还包含一组德语测试句子，涵盖各种句法现象以及三种类型的德语词汇，可以通过集成的词汇界面连接到语法。以下是我们使用GTU作为学生的辅导工具和CL研究人员的实验工具时所获得的经验的描述。从这些我们将获得未来的语法工作台所需的功能。
1997-07-21 cmp-lg cs.CL
Quantum Compositional NLP for Arabic: Grammar, Morphology, and Word Sense in Circuit Topology
该研究首次将基于预群语法的量子组合自然语言处理应用于阿拉伯语，通过将句子转换为拓扑反映语法结构的量子电路进行实验，对比量子电路方法与经典基线，为阿拉伯语处理提供新途径。
2026-07-17 cs.CL
Grammar-Based Grounded Lexicon Learning
MIT（麻省理工学院）；TTIC（汤森路透创新技术学院）；Stanford University（斯坦福大学）
本研究提出词汇主义方法G2L2，通过将词映射为句法类型加神经符号语义程序的词典条目，结合联合解析与期望执行算法，从接地数据学习组合式语言意义表示，实现小样本下的新词语组合泛化。
2023-08-24 cs.AI cs.CL cs.CV
Reinforcement Learning of Minimalist Numeral Grammars
Brandenburgische Technische Universität Cottbus – Senftenberg（科特布斯-森夫滕堡勃兰登堡工业大学）
语音控制的用户界面方便了外行人操作设备和家庭功能。最先进的语言技术扫描声学分析的语音信号以寻找相关的关键字，这些关键字随后被插入到语义槽中以解释用户的意图。为了开发适当的认知信息和通信技术，简单的槽填充应取代话语意义转换器（UMT）的基础上的语义分析器和\emph{mental lexicon}，包括句法，语音和语义特征的语言正在考虑。这个词汇必须在与用户交互的过程中由认知主体获得。我们概述了一个强化学习算法的英语数字的句法形态和算术语义的收购，最低限度的语法（MG），最近的计算实现生成语言学的基础上。数字单词由教师以话语意义对（UMP）的形式呈现给智能体，其中意义被编码为来自合适的术语代数的算术术语。由于MG通过推理规则编码普遍的语言能力，从而将先天的语言知识与偶然获得的词汇分开，因此我们的方法将生成语法和强化学习结合起来，从而可能解决仍然悬而未决的Chomsky-Skinner争议。
2019-06-11 cs.AI cs.CL
Lexical Adaptation of Link Grammar to the Biomedical Sublanguage: a Comparative Evaluation of Three Approaches
我们研究的适应链接语法分析器的生物医学子语言，重点领域的条款没有发现在一个通用的解析器词典。使用两个生物医学语料库，我们实现和评估三种方法来解决未知的单词：自动词库扩展，使用形态学线索，并使用词性标注消歧。我们分别评估每种方法对解析性能的影响，并考虑这些方法的组合。除了提高45%的解析效率，我们发现，最好的方法，将信息从一个域的词性标注，提供了一个统计显着的10%的相对减少错误。经过改编的解析器可以在http://www.it.utu.fi/biolg上获得开源许可证。
2006-06-28 cs.CL cs.IR
Constructions définitoires des tables du Lexique-Grammaire
LIGM, Université Paris-Est（法国巴黎东部大学LIGM实验室）
Lexicon-Grammar tables是一个非常丰富的法语语法词典。然而，这种语言数据库并不直接适合于计算机程序使用，因为它是不完整的并且缺乏一致性。表格是根据词典中没有明确记录的特征定义的。这些特征仅在文献中描述。我们的目标是为每个表定义这些基本属性，使它们可用于各种自然语言处理（NLP）应用程序，如解析。
2010-09-24 cs.CL
Doing Natural Language Processing in A Natural Way: An NLP toolkit based on object-oriented knowledge base and multi-level grammar base
China Mobile Research Institute（中国移动研究院）
介绍了一个基于面向对象知识库和多级语法库的自然语言处理工具包。该工具包以语义解析为核心，具有自动发现新知识和语法的能力，新发现的知识和语法将由人工识别，并用于更新知识库和语法库。这个过程可以重复多次，以不断改进工具包。
2021-06-08 cs.AI cs.CL cs.LG
Computing Word Classes Using Spectral Clustering
The Hebrew University（希伯来大学）
词汇聚类是自然语言处理中的一个重要问题。词聚类用于处理统计语言处理中的稀疏数据，以及解决各种NLP任务（文本分类，问答，命名实体识别等）的功能。谱聚类是图像处理和语音识别领域中广泛使用的技术。然而，它几乎没有在NLP的上下文中进行过探索;特别是，本文中使用的方法（Meila和Shi，2001）从未被用于聚类一般词汇。我们将谱聚类应用于词汇，通过使用它们作为解决两个经典NLP任务的特征来评估所产生的聚类：语义角色标注和依存句法分析。我们比较性能与布朗聚类，一个广泛使用的词聚类技术，以及与其他聚类方法。我们表明，谱聚类产生类似的结果布朗集群，并优于其他聚类方法。此外，我们量化了光谱和布朗集群之间的重叠，表明每个模型都捕获了一些其他模型未捕获的信息。
2018-08-16 cs.CL
Intégration des données d'un lexique syntaxique dans un analyseur syntaxique probabiliste
Université Paris-Est, LIGM（巴黎东大学，LIGM）
本文报告的评估整合数据的句法语义词典，法语的词汇语法，到一个句法分析器。我们表明，通过改变一组标签的动词和谓词名词，我们可以提高性能的非词汇化概率分析器的法语。
2014-04-07 cs.CL
What's Going On in Neural Constituency Parsers? An Analysis
Computer Science Division（计算机科学系）；University of California, Berkeley（加利福尼亚大学伯克利分校）
近年来，现代和经典的选区解析方法之间出现了一些差异，语法和功能丰富的词汇等结构组件变得不那么重要，而递归神经网络表示越来越受欢迎。这项工作的目标是分析在经典系统中直接由模型结构提供的信息在多大程度上仍然被神经方法捕获。为此，我们提出了一个高性能的神经模型（PTB上的92.08 F1），它代表了最近的工作，并进行了一系列的调查实验。我们发现，我们的模型隐式地学习编码过去由语法和词汇明确提供的大部分相同信息，这表明这种脚手架可以在很大程度上被强大的通用神经机制所包含。
2018-04-20 cs.CL
Evaluation of the NLP Components of the OVIS2 Spoken Dialogue System
挪威世界教育组织优先方案语言和语音技术是一项为期5年的研究方案，旨在开发口语信息系统。在该方案中，并行开发了两个备选的自然语言处理模块：一个基于语法的模块（常规的、基于规则的）和一个面向数据的模块（基于存储器的、随机的、DOP）。为了比较自然语言处理模式，在方案开始三年后进行了正式评估。本文介绍了评价过程和评价结果。在这个比较中，基于语法的组件比面向数据的组件性能更好。
1999-06-14 cs.CL
Finding Dataset Shortcuts with Grammar Induction
Princeton University（普林斯顿大学）
许多NLP数据集被发现包含捷径：简单的决策规则，实现惊人的高准确性。但是，很难自动发现快捷方式。之前关于自动快捷方式检测的工作主要集中在枚举像unigrams或bigrams这样的特征，这些特征只能找到低级别的快捷方式，或者依赖于像显着图这样的事后模型可解释性方法，这些方法可以在没有明确统计解释的情况下揭示定性模式。在这项工作中，我们建议使用概率语法来描述和发现NLP数据集中的捷径。具体来说，我们使用一个上下文无关文法模型的句子分类数据集的模式，并使用一个同步的上下文无关文法模型的数据集涉及句子对。由此产生的语法揭示了有趣的快捷功能，在一些数据集，包括简单的和高层次的功能，并自动识别组的测试示例上，传统的分类失败。最后，我们发现的功能，我们可以用来生成诊断对比的例子，并纳入标准的鲁棒优化方法，以提高最坏的组的准确性。
2022-10-20 cs.CL
Construction du lexique LGLex à partir des tables du Lexique-Grammaire des verbes du grec moderne
Université Aristote de Thessalonique（塞萨洛尼基亚里士多德大学）；Université Paris-Est（巴黎东部大学）；Universidad Nacional de Córdoba（科尔多瓦国立大学）
本文对现代希腊语动词词汇语法资源的研究工作进行了总结。我们详细介绍了每个表的定义特征，以及为使特征名称保持一致而对特征名称所做的所有更改。通过开发的表的类，包括所有的功能，我们已经考虑了转换表的语法词典：LGLex。词典采用纯文本格式或XML格式，由LGExtract工具生成（Constant & Tolone，2010）。该格式可直接用于自然语言处理（NLP）的应用程序。
2011-11-14 cs.CL
Supertagging Combinatory Categorial Grammar with Attentive Graph Convolutional Networks
University of Washington（华盛顿大学）；The Chinese University of Hong Kong (Shenzhen)（香港中文大学（深圳））；Shenzhen Research Institute of Big Data（深圳大数据研究院）
超标注是组合范畴语法分析的一项重要任务，而有效的上下文信息建模对超标注的实现至关重要。然而，除了应用强大的编码器（例如，bi-LSTM）。在本文中，我们提出了专注的图卷积网络，以提高神经CCG超标记，通过一种新的解决方案，利用上下文信息。具体来说，我们从从词典中提取的块（n-gram）构建图，并对图进行关注，以便在模型中对来自块内和跨块的上下文的不同单词对进行加权，并相应地促进超级标记。在CCGbank上进行的实验表明，我们的方法优于所有以前的研究在supertaging和解析。进一步的分析说明了我们的方法中的每个组件的有效性，有区别地从词对学习，以提高CCG超标记。
2020-11-18 cs.CL
Bootstrapping NLP tools across low-resourced African languages: an overview and prospects
University of Cape Town（开普敦大学）
计算和互联网接入是南部非洲大幅度增长的市场，随之而来的是对非洲土著语言的本地内容和工具的需求日益增加。由于这些语言中的大多数都是低资源的，因此人们努力研究从一种非洲语言到另一种非洲语言的自助工具的概念。本文提供了一个概述，这些努力的刚果B（“班图”）语言。地理上遥远的语言的自举语法已经被证明对于形态和规则或基于语法的自然语言生成仍然具有积极的结果。使用数据驱动的方法进行NLP任务的自举很难有意义地使用，无论地理位置是否接近，这在很大程度上是由于拼写和词汇的词汇多样性。比较语言学中的分支分类方法可以为自举策略提供信息，相似性度量也可以作为自举潜力的代理，这两种方法都是进一步研究的沃土。
2022-10-21 cs.CL
Grammar-Constrained Decoding for Structured NLP Tasks without Finetuning
EPFL（洛桑联邦理工学院）；Université Grenoble Alpes, CNRS, Grenoble INP, LIG（格勒诺布尔阿尔卑斯大学，国家科学研究中心，格勒诺布尔理工学院，格勒诺布尔信息学实验室）
本文提出输入依赖语法约束解码方法，无需微调即可统一控制语言模型生成结构化输出，在信息抽取、实体消歧和成分句法解析任务上显著优于无约束模型甚至超越微调模型。
2024-01-18 cs.AI cs.CL cs.LG
Statistical Inference and Probabilistic Modelling for Constraint-Based NLP
我们提出了一个概率模型的约束为基础的语法和估计的方法，从不完整的，即，未解析数据。然而，存在从不完整数据估计概率上下文无关文法的参数的方法（Baum 1970），到目前为止，对于涉及上下文依赖性的概率文法，仅从完整的参数估计技术，即，已经提供了完全解析的数据（Abney 1997）。然而，完整的数据估计需要劳动密集型，容易出错，语法特定的大型语言语料库的手工注释。本文提出了一个约束逻辑规划的对数线性概率模型，并通过将Della-Pietra，Della-Pietra，and Laffestival（1997）的估计算法推广到不完全数据集，给出了一个从不完全数据集估计该模型参数的通用算法.
1999-05-19 cs.CL cs.LG
Dealing with Abbreviations in the Slovenian Biographical Lexicon
Vrije Universiteit Amsterdam（阿姆斯特丹自由大学）；Jožef Stefan Institute（约瑟夫·斯特凡研究所）
缩写对NLP系统来说是一个巨大的挑战，因为它们会导致标记化和词汇表外错误。它们还可以使文本可读性降低，特别是在参考印刷书籍中，它们被广泛使用。缩略语在资源匮乏的环境中尤其成问题，因为这些环境中的系统一开始就不太健全。在本文中，我们提出了一种新的方法来解决所造成的问题，在文本中的特定领域的缩写的高密度。我们应用这种方法的情况下，斯洛文尼亚的传记词典，并评估它在一个新开发的黄金标准数据集的51斯洛文尼亚传记。我们的缩写识别方法的性能显着优于常用的ad-hoc解决方案，特别是在识别看不见的缩写。我们还提出了一种在上下文中扩展已识别缩写的方法并给出了结果。
2022-11-04 cs.CL
Recent Trends in the Use of Deep Learning Models for Grammar Error Handling
Wells Fargo（富国银行）；Corporate Model Risk（企业模型风险部门）
语法错误处理是自然语言处理中的一个重要课题。GEH包括语法错误检测和语法错误纠正。计算系统的最新进展促进了深度学习（DL）模型在GEH等NLP问题中的使用。在这篇综述中，我们重点介绍了GEH的两种主要的深度学习方法：神经机器翻译模型和编辑器模型。我们描述了这些模型管道的三个主要阶段：数据准备，训练和推理。此外，我们讨论了不同的技术，以提高这些模型在管道的每个阶段的性能。我们比较了不同模型的性能，并得出结论，提出了未来的发展方向。
2020-09-04 cs.AI cs.CL
DISCO---An HPSG-based NLP System and its Application for Appointment Scheduling (Project Note)
介绍了自然语言系统DISCO。它结合了o一个强大而灵活的语法开发系统; o德语语言能力，包括词法，语法和语义; o语言性能建模的基础上，高层次的能力语法的新方法; o建模多代理对话能力的新方法; o一个有趣的样本应用程序的预约安排和日历管理。
1994-06-30 cmp-lg cs.CL
Extending the adverbial coverage of a NLP oriented resource for French
LIGM, Université Paris-Est（巴黎东部大学LIGM研究所）
本文介绍了对面向自然语言处理的法语句法资源LGLex的状语词条进行扩展的工作。副词是从词汇语法表中提取的，包括以“-ly”结尾的简单副词（Molinier和Levrier，2000）和复合副词（Gross，1986; 1990）。这项工作依赖于利用现有资源中提供的细粒度语言信息。各种功能都编码在两个LG表，他们还没有被利用。它们分别描述了简单副词与复合副词之间以及不同类型的复合副词之间的删除、置换、强化和释义关系。生成的语法资源是手动评估的，并在LGPL-LR许可下免费提供。
2011-11-15 cs.CL
PyTAIL: Interactive and Incremental Learning of NLP Models with Human in the Loop for Online Data
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
在线数据流使得训练机器学习模型变得困难，因为分布偏移和随着时间的推移出现的新模式。对于利用基于词典和规则的特征集合的自然语言处理（NLP）任务，使这些特征适应变化的数据是重要的。为了应对这一挑战，我们引入了PyTAIL，这是一个Python库，它允许一个人在循环中主动训练NLP模型。PyTAIL增强了通用的主动学习，它只建议新的实例进行标记，同时建议新的特征，如规则和词典进行标记。此外，PyTAIL足够灵活，用户可以在训练模型时接受、拒绝或更新规则和词典。最后，我们在现有的社交媒体基准数据集上模拟了PyTAIL的文本分类性能。我们在这些基准上比较了各种主动学习策略。该模型用少至10%的训练数据来缩小差距。最后，我们还强调了在测试数据集旁边跟踪剩余数据（尚未与主动学习合并）的评估指标的重要性。这突出了该模型在准确注释剩余数据集方面的有效性，特别适合于大型未标记语料库的批处理。PyTAIL将在https://github.com/socialmediaie/pytail上提供。
2022-11-24 cs.AI cs.CL cs.HC
GlossAssist -- A Tool to Simplify Corpus Creation and Study the Effect of NLP Models in Low-Resource Documentation Settings
University of Colorado Boulder（科罗拉多大学波得尔分校）
提出基于检索架构的自动标注工具GlossAssist，通过可编辑词库和主动学习反馈循环，提升低资源语言文档中词素标注的准确性和可解释性。
2026-06-03 cs.CL cs.HC
Grammar-aware sentence classification on quantum computers
Quantinuum（昆蒂努姆）；University of Oxford（牛津大学）
自然语言处理（NLP）处于当代人工智能巨大进步的最前沿，可以说是该领域最具挑战性的领域之一。与此同时，在量子计算（QC）领域，随着量子硬件的稳步增长和量子算法实现的显著改进，我们正在接近一个时代，量子计算机可以执行传统计算机无法完成的任务。这为人工智能，特别是NLP提供了一系列新的机会。在这项工作中，我们使用自然语言意义的分类分布组成（DiscoCat）模型，其基础数学基础使其适合量子实例化。容错量子算法的早期工作已经证明了NLP的潜在量子优势，特别是使用DisCoCat。在这项工作中，我们专注于有噪声的中间尺度量子（NISQ）硬件的能力，并使用DisCoCat框架在NISQ处理器上执行NLP任务的第一个实现。句子被实例化为参数化的量子线路;使用参数化的量子电路将词义嵌入量子态中，并且句子的语法结构忠实地表现为将词电路组成一个量子电路的纠缠操作模式。在二进制分类的监督NLP任务中使用经典优化器训练电路的参数。我们的新型QNLP模型显示出了可扩展性的具体前景，因为量子硬件的质量在不久的将来会得到提高，并在QC和AI的交叉点上巩固了实验研究的一个新分支。
2023-02-14 cs.CL quant-ph
On Eliciting Syntax from Language Models via Hashing
National Institute of Information and Communications Technology (NICT)（日本信息通信研究机构（NICT））
该研究探索利用二值表示的信息保留能力从语言模型提取句法，通过升级比特级CKY、采用无监督对比哈希训练及新型损失函数，实现低成本获取高质量句法分析树。
2024-10-05 cs.AI cs.CL cs.LG
Proposing TAGbank as a Corpus of Tree-Adjoining Grammar Derivations
The University of British Columbia（不列颠哥伦比亚大学）
为填补词汇化语法形式缺乏大规模语料库的空白，本文提出从现有句法树库自动提取TAG推导的TAGbank语料库，概述映射方法并讨论挑战，支持句法分析等任务并计划扩展多语言语料库。
2025-04-13 cs.CL
Don't Forget Cheap Training Signals Before Building Unsupervised Bilingual Word Embeddings
双语词嵌入是自然语言处理模型中跨语言迁移的基石之一。它们可以只使用单语语料库构建，而无需监督，从而导致许多工作集中在无监督的BWE上。然而，目前大多数构建无监督BWE的方法都没有将其结果与基于易于访问的跨语言信号的方法进行比较。在本文中，我们认为，这种信号时，应始终考虑开发无监督斗轮挖掘机的方法。我们发现最有效的两种方法是：1）使用相同的单词作为种子词典（无监督方法错误地假设不适用于正字法不同的语言对）和2）将这些词典与通过将单词的罗马化版本与编辑距离阈值匹配而提取的对相结合。我们在13种非拉丁语言（和英语）上进行了实验，结果表明，这种廉价的信号效果很好，并且在遥远的语言对（如中文、日语、卡纳达语、泰米尔语和泰语）上使用更复杂的无监督方法时表现更好。此外，它们甚至可以与监督方法中使用的高质量词典竞争。我们的研究结果表明，这些训练信号不应该被忽视时，建立BWE，即使是遥远的语言。
2022-05-31 cs.CL
App for Resume-Based Job Matching with Speech Interviews and Grammar Analysis: A Review
P.E.S. Modern College of Engineering（P.E.S.现代工程学院）
该综述探讨了结合语音与文本NLP的端到端系统在面试准备与职位推荐中的可行性，分析了现有推荐系统的局限，为后续NLP应用项目提供方法与局限的参考。
2023-11-20 cs.CL cs.IR cs.LG
Prism: A Minimal Compositional Metalanguage for Specifying Agent Behavior
Deloitte AI（德勤人工智能）；University of Oslo（奥斯陆大学）
Prism通过组合性金属言为代理行为提供最小化规格，结合领域特定词汇与工具，实现可检查和可执行的策略定义。
2025-11-29 cs.CL
The Past, Present, and Future of Typological Databases in NLP
McGill University（麦吉尔大学）；Mila Quebec AI Institute（米拉魁北克人工智能研究所）；Aalborg University（奥尔堡大学）
本文系统探讨了NLP中类型学数据库（如WALS和Grambank）间的不一致问题，指出其离散分类性质是主要原因，并提出采用连续的类型学特征视图，以在未来低资源语言建模中发挥巨大潜力。
2023-10-20 cs.CL
Discontinuous Constituency and BERT: A Case Study of Dutch
Utrecht University（乌得勒支大学）；Utrecht Institute of Linguistics OTS（乌得勒支语言学研究所OTS）
在本文中，我们开始量化的句法能力BERT的非上下文无关模式的评价制度，发生在荷兰。我们设计了一个测试套件的基础上温和的上下文敏感的形式主义，从中我们得到的语法，捕捉控制动词嵌套和动词提高的语言现象。语法，搭配一个小的词汇，为我们提供了大量的自然主义的话语，与动词-主语配对注释，作为评估测试床的注意力为基础的跨度选择探针。我们的研究结果，支持广泛的分析，表明调查的模型失败的隐式收购的依赖关系检查。
2022-03-08 cs.CL cs.LG
Are Lexicon-Based Tools Still the Gold Standard for Valence Analysis in Low-Resource Flemish?
University of Kansas（堪萨斯大学）
本研究探讨了基于词典的工具在低资源弗拉芒语情感分析中的有效性，发现尽管LLM有所进步，但目前仍无法准确捕捉自发叙述中的情感价值，强调了开发文化适应性模型的必要性。
2025-06-04 cs.CL
Classist Tools: Social Class Correlates with Performance in NLP
MilaNLP（米拉NLP）；Bocconi University（博科尼大学）；Instituto de Telecomunicações（电信研究所）；University of Artificial Intelligence（人工智能大学）
该研究通过标注含9.5万条电影台词的多维度语料库，实证发现NLP系统在三项任务中对低社会经济地位等边缘群体存在性能差异，提出语言技术需纳入社会阶层因素以保障公平。
2024-03-07 cs.CL
Self-Correction Makes LLMs Better Parsers
School of Computer Science and Technology, Soochow University（计算机科学与技术学院，苏州大学）
针对大语言模型在句法解析上的不足，本文提出利用现有树库语法规则引导模型自我纠正错误的方法，在多个数据集上显著提升域内及跨域解析性能。
2025-04-19 cs.CL
GRILE: A Benchmark for Grammar Reasoning and Explanation in Romanian LLMs
University of Bucharest Faculty of Mathematics and Computer Science（布加勒斯大学数学与计算机科学学院）
本文构建含1,151道罗马尼亚高利害考试题的GRILE基准，评估七类LLM的语法答题与解释能力，发现开放权重模型准确率和解释质量存在明显不足。
2025-08-19 cs.CL cs.CY cs.LG
CGELBank Annotation Manual v1.2
本文档介绍基于 CGEL 英语句法形式体系的树库与工具 CGELBank，并系统说明其标注方案的具体规则。
2025-09-28 cs.CL
We can still parse using syntactic rules
Independent Researcher（独立研究者）
本文提出了一种基于语法理论的新解析方法，通过改进解析算法和规则，实现更准确的依赖和构成解析，适用于自然语言处理任务。
2026-02-15 cs.CL
Exploring the role of Punctuation in Parsing Natural Text
很少，如果有的话，当前的NLP系统使用标点符号。直觉上，标点符号的处理似乎对文本的分析和产生是必要的。虽然这在语篇结构领域已经被提出，但标点符号在句法领域是否有帮助仍然不清楚。本研究试图通过分析语料库中的两种相似的语法-一种包含标点符号规则，另一种忽略标点符号规则-来回答这个问题，标点符号语法显著优于非标点符号语法，从而得出结论：标点符号在句法加工中可以发挥作用。
1995-05-10 cmp-lg cs.CL
COVID-19 SignSym: a fast adaptation of a general clinical NLP tool to identify and normalize COVID-19 signs and symptoms to OMOP common data model
Melax Technologies, Inc（Melax科技）；University of Kansas Medical Center（堪萨斯大学医学中心）；Johns Hopkins University School of Medicine（约翰斯·霍普金斯大学医学院）；The University of Texas Health Science Center at Houston（德克萨斯大学休斯顿健康科学中心）；University of Missouri School of Medicine（密苏里大学医学院）
COVID-19疫情迅速席卷全球，感染了数百万人。一个能够从电子健康记录（EHR）中的自由文本中准确识别COVID-19重要临床概念的有效工具将对加速COVID-19临床研究有价值。为此，本研究旨在调整现有的CLAMP自然语言处理工具，以快速构建COVID-19 SignSym，该工具可以从临床文本中提取COVID-19体征/症状及其8个属性（身体位置、严重程度、时间表达、主题、条件、不确定性、否定和过程）。所提取的信息还映射到观察性医学成果伙伴关系通用数据模型中的标准概念。应用了一种结合基于深度学习的模型、精选词典和基于模式的规则的混合方法，从CLAMP快速构建COVID-19 SignSym，并优化了性能。我们使用3个外部网站进行了广泛的评估，这些网站提供了COVID-19患者的临床记录，以及COVID-19的在线医疗对话，结果表明COVID-19 Sign-Sym可以在所有数据源中实现高性能。用于本研究的工作流程可以推广到其他用例，其中现有的临床自然语言处理工具需要在短时间内针对特定信息需求进行定制。COVID-19 SignSym作为可下载软件包（https：//clamp.uth.edu/covid/nlp.php）可供研究界免费访问，并已被16家医疗机构用于支持COVID-19的临床研究。
2021-04-07 cs.CL
Recognizing Syntactic Errors in the Writing of Second Language Learners
本文介绍了一个智能教学系统的识别部分，该系统旨在帮助外语使用者学习标准英语。该系统对学习者的语法进行建模，该系统的实例化是针对美国手语（ASL）的签名者而定制的。我们讨论了该系统的理论动机，在实施中遇到的各种困难，以及我们用来克服这些问题的方法。我们捕获不合语法的方法涉及使用错误规则（也称为“错误产生”）。但是，直接添加一些错误规则会导致解析器出现严重的性能问题。例如，美国手语使用者有很强的倾向于放弃代词和助动词“to be”。能够将这些解释为句子会导致每个句子可能解析的数量激增。如果不加以控制，这种爆炸将极大地妨碍系统的性能。我们讨论如何通过考虑特定人群的期望来处理这一问题（其中一些在我们独特的用户模型中被捕获）。在词汇习得过程的不同阶段，词汇项的不同表征通过使用错误规则来建模，从而避免了对多个词典的需要。语法评估其正确诊断协议的问题，在实际的句子产生的ASL母语的能力。
1998-05-29 cmp-lg cs.CL
