SASST: Leveraging Syntax-Aware Chunking and LLMs for Simultaneous Speech Translation
The Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳));Okinawa Institute of Science and Technology(冲绳科学技術研究院);Nara Institute of Science and Technology(奈良科学技術研究院)
提出SASST同声语音翻译框架,利用语法感知分块策略解析依存关系,结合冻结Whisper和LLM动态优化翻译时机与内容,在CoVoST2上显著提升多语言翻译质量。
2025-08-11 cs.CL
The Better Your Syntax, the Better Your Semantics? Probing Pretrained Language Models for the English Comparative Correlative
LMU Munich(慕尼黑大学);Munich Center of Machine Learning(慕尼黑机器学习中心);University of Oxford(牛津大学)
构式语法是认知语言学的一种范式,强调句法和语义之间的联系。而不是对词汇项目进行操作的规则,它将结构视为语言的核心构建块,即,结合句法和语义的不同粒度的语言单位。作为评估CxG与最先进的预训练语言模型(PLMs)所展示的句法和语义知识的兼容性的第一步,我们提出了一个调查他们的能力,分类和理解最常用的研究结构之一,英语比较相关(CC)。我们进行实验,一方面检查分类准确性的语法探针和模型的行为在语义应用程序的任务,BERT,RoBERTa和DeBERTa作为示例PLM。我们的研究结果表明,所有三个调查PLM都能够识别的CC的结构,但未能使用其含义。尽管有人声称PLM在许多NLP任务上表现得像人类,但这表明PLM在语言知识的中心领域仍然存在重大缺陷。
2022-10-24 cs.CL
The Grail theorem prover: Type theory for syntax and semantics
LIRMM, Montpellier University(蒙彼利埃大学LIRMM);CNRS, LaBRI, Bordeaux University(波尔多大学LaBRI,法国国家科学研究中心)
顾名思义,类型逻辑语法是一种基于逻辑和类型论的语法形式。从语法设计的角度来看,类型逻辑语法发展的句法和语义方面的语言现象手牵手,让一个表达式的预期语义通知句法类型,反之亦然。类型逻辑语法成功应用于语法语义接口的典型例子包括协调、量词作用域和extraction.This章介绍了Grail定理证明器,这是一系列用于设计和测试各种现代类型逻辑语法中的语法的工具。本章中描述的所有工具都是免费提供的。
2016-08-26 cs.CL
Pregroup Grammars, their Syntax and Semantics
University College London(伦敦大学学院)
前群文法是在1999年发展出来的,并保留了Lambek所偏好的代数文法模型。然而,前群的集合论语义面临着一个歧义问题。在他的最新著作中,Lambek建议这个问题可以通过使用有限维向量空间而不是集合来解决。在这种情况下,空间的直和或张量积,正确的复合概念是什么?
2021-09-23 cs.CL
A Paradigm Change for Formal Syntax: Computational Algorithms in the Grammar of English
The Hebrew University of Jerusalem(希伯来大学)
语言科学越来越少地依赖形式句法作为其基础。原因可能是它缺乏心理现实,故意回避。科学哲学家呼吁范式转变,用生物学中的机制来解释。我们转向程序设计语言作为基于过程的英语语法的启发式模型。选择功能词和实词的组合作为建模的主题。这样的组合非常频繁,它们的输出是句子的重要直接成分。我们在面向对象编程中发现了它们的相似之处,其中所有方法元素作为接口,而内容完整元素作为其实现,定义计算对象。该模型的拟合进行了测试,得出三个功能特性的算法至关重要,并检查其存在于英语语法。我们测试了现实的接口实现机制的心理语言学和神经语言学的证据有关的处理,发展和损失的句法。这种机制的紧密配合和心理现实表明,范式转移到语法的算法理论是可能的。
2022-05-24 cs.CL
Valid Text-to-SQL Generation with Unification-based DeepStochLog
KU Leuven(鲁汶大学);Örebro University(厄勒布鲁大学)
针对大语言模型生成不可执行 SQL 的问题,提出基于合一语法与 DeepStochLog 的神经符号框架,通过硬约束和双向语言模型接口保证查询有效,并显著提升执行准确率与真实结果一致性。
2025-03-17 cs.AI cs.CL
Harmonic Grammar, Optimality Theory, and Syntax Learnability: An Empirical Exploration of Czech Word Order
Johns Hopkins University(约翰斯·霍普金斯大学)
这项工作提出了一个系统的理论和经验比较的主要算法,已经提出了学习谐波和优化理论语法(HG和OT,分别)。通过比较学习算法,我们也能够比较密切相关的OT和HG框架本身。实验结果表明,额外的表现力的HG框架在OT提供的性能增益的任务预测的表面词序的捷克语句子。我们比较了感知器与经典的渐进学习算法(GLA),它学习OT语法,以及流行的最大熵模型。除了表明感知器在理论上是有吸引力的,我们的工作还表明,它学习的HG模型的性能接近在一个保持的测试集上的预测精度的上限,并且它能够准确地建模观察到的变化。
2017-02-19 cs.CL
What Do Recurrent Neural Network Grammars Learn About Syntax?
Carnegie Mellon University(卡内基梅隆大学);IBM T.J. Watson Research Center(IBM T.J. Watson研究中心);University of Washington(华盛顿大学);DeepMind
循环神经网络文法(RNNG)是最近提出的一种用于自然语言的概率生成建模方法。它们展示了最先进的语言建模和解析性能。我们从语言学的角度,通过对模型和数据的各种消融,以及通过用注意力机制(GA-RNNG)增强模型以进行更仔细的检查,来研究他们学到了什么信息。我们发现,明确建模的组成是至关重要的,以实现最佳性能。通过注意力机制,我们发现头脑在短语表征中起着核心作用(模型的潜在注意力在很大程度上与手工制定的头脑规则所做的预测一致,尽管有一些重要的差异)。通过训练没有非终端标签的语法,我们发现短语表示最小程度地依赖于非终端,为内核假设提供了支持。
2017-01-10 cs.CL
Teaching Syntax by Adversarial Distraction
University of Illinois(伊利诺伊大学);NEC Laboratories America(NEC美国实验室)
现有的蕴涵数据集主要提出的问题,可以回答不注意语法或词序。学习语法需要比较不同的语法和词序改变所需分类的例子。我们介绍了几个基于SNLI或FEVER中自然蕴涵示例的合成转换的数据集,以教授语法和词序方面的内容。我们发现,如果没有重新训练,流行的蕴涵模型不知道这些句法差异改变意义。通过再训练,一些但不是所有流行的蕴涵模型都可以学会正确地比较语法。
2018-10-25 cs.CL
Extracting a bilingual semantic grammar from FrameNet-annotated corpora
University of Gothenburg(哥德堡大学);University of Latvia(拉脱维亚大学)
我们提出了创建一个基于英语瑞典语的语法框架。本研究的目的是使现有的框架计算访问多语言自然语言应用程序通过一个共同的语义语法API,并促进移植到其他语言的语法。在本文中,我们描述了语义语法的抽象语法,同时专注于其自动提取的可能性。我们已经从Berkeley FrameNet(BFN)中的~ 58,500个注释句子和Swedish FrameNet(SweFN)中的~ 3,500个注释句子中提取了共享的抽象语法。抽象语法定义了769个帧特定的价模式,覆盖77.8%的BFN和74.9%的SweFN属于共享的471帧集的例子。作为一个侧面的结果,我们提供了一个统一的方法比较语义和句法价模式跨框架。
2014-04-08 cs.CL
Learning Computational Grammars
本文报道了“学习计算语法”(LCG)项目,一个博士后网络,致力于研究应用机器学习技术的语法适合计算使用。我们感兴趣的是一个更系统的调查,以了解许多因素的相关性,以成功的学习,特别是注释数据的可用性,在数据中的依赖性,以及知识库(语法)的可用性。我们重点讨论了句法,尤其是名词短语(NP)句法。
2001-07-15 cs.CL
Grammar construction methods for extended deterministic expressions
带有计数和交错的扩展正则表达式在实际中有着广泛的应用。但目前对这类表达式的相关理论研究还不能满足实际工作的需要。本文给出了扩展确定表达式及其子类的语法定义,希望彻底解决长期以来这类表达式没有语法定义的问题,这已成为限制扩展表达式使用的重要原因。
2023-02-02 cs.CL
An enriched category theory of language: from syntax to semantics
X, The Moonshot Factory(X(登月工厂));The City University of New York(纽约市立大学);Tunnel
最先进的语言模型从任何一段输入文本返回自然语言文本延续。这种生成连贯文本扩展的能力意味着相当复杂,包括语法和语义知识。在本文中,我们提出了一个数学框架,通过从概率分布的扩展给定的文本,如今天的大型语言模型的学习,丰富的类别包含语义信息。粗略地说,我们将文本上的概率分布建模为在单位区间上丰富的类别。这类对象是语言中的表达式,而类对象是一个表达式是另一个表达式的扩展的条件概率。这个类别是语法上的--它描述了什么和什么搭配。然后,通过米田嵌入,我们传递到这个句法范畴上的单位区间值共重层的丰富范畴。这类丰富的共重层是语义的--它是我们发现意义、逻辑运算(如蕴涵)和更精细的语义概念的构建块的地方。
2021-11-18 cs.CL math.CT
A Note On Higher Order Grammar
HOLTRAN Technology Ltd(HOLTRAN科技有限公司)
高阶语法(HOG)中的语法-音系学和语法-语义学接口都被表达为高阶逻辑(HOL)中的公理理论,即一种语言完全根据单个逻辑系统中的可证明性来定义。这种优雅架构的一个重要含义是,有效表达式的含义不是由单个甚至几个"离散"项(在歧义的情况下)表示的,而是由一组"连续"的逻辑等价项表示的。本说明致力于对这一观察的精确表述和证明。
2009-10-03 cs.CL
Inducing Grammars with and for Neural Machine Translation
Informatics Institute(信息学院);University of Amsterdam(阿姆斯特丹大学);Department of Computer Science(计算机科学系);University of Washington(华盛顿大学)
机器翻译系统需要语义知识和语法理解。神经机器翻译(NMT)系统通常假设这些信息是由注意力机制和确保流畅性的解码器捕获的。最近的工作表明,合并显式语法减轻了建模这两种类型的知识的负担。然而,要求解析是昂贵的,并且没有探索模型在翻译期间需要什么语法的问题。为了解决这两个问题,我们引入了一个模型,同时翻译,同时诱导依赖树。通过这种方式,我们利用结构的好处,同时调查什么语法NMT必须诱导,以最大限度地提高性能。我们证明我们的依赖树是1。语言对依赖和2.提高翻译质量。
2018-05-28 cs.CL
The Grammar and Syntax Based Corpus Analysis Tool For The Ukrainian Language
NASK National Research Institute(NASK国家研究院)
本文介绍了扩展至乌克兰语的文本挖掘工具StyloMetrix,基于手动设计的指标分析语法和句法模式,并展示了其在文本分类任务上的实验及局限性。
2023-05-22 cs.AI cs.CL
Dependency resolution and semantic mining using Tree Adjoining Grammars for Tamil Language
树邻接语法(TAG)提供了一个充分的工具来捕捉许多印度语言的语法。泰米尔语对计算形式主义提出了特殊的挑战,因为它具有广泛的粘着形态学和相对困难的论点结构。使用TAG建模泰米尔语语法和形态学是一个有趣的问题,尽管TAG已经有40多年的历史了,但这个问题一直没有得到关注。我们对泰米尔语TAG的研究表明,我们不仅可以表示语言的语法,而且在一定程度上可以通过句子的依赖关系解析来挖掘语义。但是为了证明这种现象属性,我们需要使用我们构建的TAG来解析泰米尔语句子,并通过解析获得我们可以用来解决依赖关系的派生,从而证明语义属性。我们使用内部开发的伪词汇TAG图解析器; Schabes和Joshi(1988)给出的算法,用于生成句子的派生。我们不使用任何统计数据来排除模糊的派生,而是使用所有这些来理解泰米尔语标签中提到的语义关系。为了使讨论更完整,我们还将给出一个简短的解析器分析。
2017-04-19 cs.CL
Unraveling Syntax: Language Modeling and the Substructure of Grammars
Massachusetts Institute of Technology(麻省理工学院)
本文研究语言模型在上下文无关语法子结构上的学习行为,证明损失函数在顶层子语法上线性递归,并发现参数化模型并行学习子语法,子语法预训练能提升小模型性能并改善内部表征。
2026-06-12 cs.CL cs.FL cs.LG
First order linear logic and tensor type calculus for categorial grammars
National Research University Higher School of Economics(国立研究大学高等经济学院)
我们研究一阶乘法线性逻辑(MLL1),这已被称为提供表示不同的范畴文法,和最近推出的扩展张量类型演算(ETTC)之间的关系。我们确定MLL1的片段,这似乎足以为许多语法表示,并建立ETTC和这个片段之间的对应关系。系统ETTC,因此,可以被看作是一个替代的语法和内在的演绎系统,以及后者的几何表示。我们还给出了ETTC的一个自然推导公式,这可能是方便的。
2021-12-31 cs.CL
Explicit Syntactic Guidance for Neural Text Generation
Tencent AI Lab(腾讯人工智能实验室);Zhejiang University(浙江大学);Westlake University(西湖大学);Westlake Institute for Advanced Study(西湖高等研究院)
提出一种基于成分句法树自顶向下指导的文本生成模式及结构化束搜索方法,在复述生成与机器翻译任务中优于自回归基线,并提升了可解释性、可控性与多样性。
2023-06-25 cs.CL
TreeGAN: Syntax-Aware Sequence Generation with Generative Adversarial Networks
Worcester Polytechnic Institute(伍斯特理工学院);Apple(苹果公司);Huawei(华为)
生成对抗网络(GANs)在图像生成方面表现出了很大的能力,其中判别模型指导生成模型的训练以构建类似于真实图像的图像。最近,GANs已经从生成图像扩展到生成序列(例如,诗歌、音乐和密码)。现有的序列生成GANs主要集中在一般序列上,这是无语法的。然而,在许多实际应用中,我们需要用一种形式语言生成序列,并受其相应文法的约束。例如,要测试数据库的性能,可能需要生成一个SQL查询集合,这些查询不仅与真实用户的查询相似,而且遵循目标数据库的SQL语法。生成这样的序列是非常具有挑战性的,因为GANs的生成器和编译器都需要考虑序列的结构和形式语言中的给定语法。为了解决这些问题,我们研究了使用GANs的语法感知序列生成问题,其中将真实序列的集合和一组预定义的语法规则赋予生成器和生成器。我们提出了一种新的GAN框架,即TreeGAN,将一个给定的上下文无关文法(CFG)的序列生成过程。在TreeGAN中,生成器采用递归神经网络(RNN)来构建解析树。然后,每个生成的解析树可以被转换为给定语法的有效序列。该算法使用树结构的RNN来区分生成的树和真实的树。我们证明了TreeGAN可以为任何CFG生成序列,并且它的生成完全符合给定的语法。在合成和真实数据集上的实验表明,TreeGAN显着提高了上下文无关语言中序列生成的质量。
2018-08-22 cs.AI cs.CL
Unsupervised Recurrent Neural Network Grammars
Harvard University(哈佛大学);University of Oxford(牛津大学);DeepMind(深度思维)
循环神经网络语法(RNNG)是语言的生成模型,其通过以自上而下、从左到右的顺序递增地生成语法树和句子来联合地建模语法和表面结构。监督RNNG实现了强大的语言建模和解析性能,但需要一个注释的解析树语料库。在这项工作中,我们实验了RNGs的无监督学习。由于直接在潜在树空间上边缘化是难以处理的,我们转而应用摊销变分推理。为了最大限度地提高证据下限,我们开发了一个推理网络参数化的神经CRF选区解析器。在语言建模方面,无监督RNNG在英语和汉语的基准测试中表现得与有监督RNNG一样好。在选区语法归纳方面,他们与最近的神经语言模型竞争,后者通过注意力机制从单词中归纳出树结构。
2019-08-05 cs.CL stat.ML
Network statistics on early English Syntax: Structural criteria
ICREA(加泰罗尼亚研究与高级研究机构);Universitat Pompeu Fabra(庞培法布拉大学)
本文包括对网络在英语语言习得研究中的作用的反思,以及从儿童话语中注释自由言论语料库的实用标准的收集。在理论层面上,本文的主要观点是句法网络应该被解释为句法机器使用的结果。因此,这种机制的内在特征不能直接从(已知的)网络属性中获得。相反,人们可以看到的是它的使用的全球模式,因此,对潜在语法的力量和组织的全球看法。本文从更实际的角度出发,探讨了如何从句法关系的投射中构建网络。回想一下,与成人语法相反,早期儿童语言没有一个明确的结构概念。为了克服这样的困难,我们制定了一套系统的标准,假设选区层次结构和语法的基础上词汇主题关系。最后,我们得到的是一个定义良好的语料库注释,它使我们能够i)对结构的大小进行统计,ii)从句法关系中构建一个网络,我们可以在这个网络上执行复杂性的标准度量。我们还提供了一个详细的例子。
2007-04-30 cs.CL
Multi-dimensional Type Theory: Rules, Categories, and Combinators for Syntax and Semantics
我们调查的可能性建模的语法和语义的自然语言的约束,或规则,施加的多维类型论Nabla。我们明确考虑的唯一多重性是两个,即语法的一个维度和语义的一个维度,但一般的观点是重要的。例如,语用学问题可以作为额外的层面来处理。解决的主要问题之一是相当复杂的剧目的操作,存在于传统的蒙塔古语法的概念范畴之外。对于语法,我们使用了一个类语法沿着Lambek线。对于语义,我们使用受自然逻辑工作启发的所谓词汇和逻辑组合子。Nabla提供了一个简洁的解释和一个可扩展演算作为实现的基础。
2004-08-15 cs.AI cs.CL cs.LO
IG Parser: A Software Package for the Encoding of Institutional Statements using the Institutional Grammar
Norwegian University of Science and Technology(挪威科学与技术大学)
本文介绍了用于制度陈述定性内容分析的软件IG Parser,它基于制度语法2.0的概念核心IG Script语法实现自然语言严谨编码与格式自动转换,同时阐述了其架构并辅以示例说明用途。
2025-05-20 cs.AI cs.CL cs.MA
The Compactness of Construction Grammars
我们提出了一个参数{ \em构造文法}的基础上的最小描述长度(MDL)的原则(一个正式版本的奥卡姆剃刀)。该论点在于使用语言和计算的证据,在建立一个正式的模型,然后应用MDL原则,以证明其优越性与替代模型。我们表明,基于结构的表示至少是一个数量级更紧凑的相应的词汇化表示相同的语言数据。这一结果对于理解句法和语义之间的关系,进而选择自然语言处理体系结构具有重要意义。例如,处理是否应该在从句法到语义再到语用的管道中进行,以及是否应该将所有语言信息组合在一组约束中。从更广泛的角度来看,本文不仅为某种处理模型进行了论证,而且还提供了一种方法来确定不同NLP方法的优势。
1995-05-15 cmp-lg cs.CL
Constraint-Based Categorial Grammar
我们提出了一个广义的范畴语法,其中词汇类别的定义通过递归约束。特别是,关系约束的引入允许人们以计算上有吸引力的方式捕获(递归)词汇规则的影响。我们说明了新方法的语言学优点,通过展示它是如何解释荷兰语跨序列依赖关系的语法和在这样的结构中的位置和范围。延迟求值用于处理包含递归约束的文法。
1994-04-19 cmp-lg cs.CL
A Model-Theoretic Framework for Theories of Syntax
从重写形式主义到基于约束的语法形式主义的进化中,一个自然的下一步是完全从语法机制的细节中抽象出来-纯粹根据它们所许可的结构类的属性来表达句法理论。通过关注语言的结构属性,而不是生成或检查表现出这些属性的结构的机制,这种模型理论方法可以提供更简单和更清晰的理论表达,并可能提供统一的形式化,允许不同的理论在这些属性的基础上进行比较。我们讨论了$\LKP$,一个一元二阶逻辑框架,这样一种方法的语法,具有显着的优点是表面上的表达-支持直接陈述的最语言重要的句法属性-但具有良好的定义强大的生成能力-语言是可定义的$\LKP$,如果他们是强上下文无关的。我们从GPSG和GB的领域借鉴的例子。
1996-04-30 cmp-lg cs.CL
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
A RoBERTa-Based Functional Syntax Annotation Model for Chinese Texts
Faculty of Humanities and Social Sciences(人文与社会科学学院);Harbin Institute of Technology(哈尔滨工业大学);Department of Computer Science and Engineering(计算机科学与工程系);Chalmers University of Technology(楚尔特大学)
本研究针对中文缺乏功能句法自动标注系统的空白,构建标注了4100句人民日报语料,微调RoBERTa-Chinese wwm-ext模型实现功能句法标注,F1达0.852,为中文功能句法分析提供新方法。
2025-09-04 cs.CL
Recurrent babbling: evaluating the acquisition of grammar from limited input data
CIMeC(认知科学与技术跨学科研究中心);University of Trento(特伦托大学);DISI(信息工程与计算机科学系)
本文通过在符合现实规模的儿童导向输入子集上训练LSTM网络,并提出量化模型生成输出语法抽象水平的新方法,评估了从有限输入数据中习得语法的能力。
2020-10-09 cs.CL
A Syntax Aware BERT for Identifying Well-Formed Queries in a Curriculum Framework
University of North Carolina at Chapel Hill(北卡罗来纳大学教堂山分校)
格式良好的查询被定义为以查询的方式制定的查询,并且具有正确的疑问词、拼写和语法。在本文中,我们提出了基于Transformer的语言模型--来自Transformers的双向编码器表示(BERT)。我们进一步吸收BERT与部分的语音信息的灵感来自早期的作品。此外,我们还在多个课程设置中对模型进行训练,以提高性能。课程学习的任务是实验与婴儿步骤和一遍技术。建议的架构执行非常好的任务。最佳方法的准确率为83.93%,优于之前最先进的75.0%,并接近人类的大约上限88.4%。
2022-08-21 cs.CL
A Categorial Framework for Composition in Multiple Linguistic Domains
本文描述了一个计算框架的语法架构,其中不同的语言领域,如形态,句法和语义被视为不是单独的组件,但组成域。单词和短语的形成被建模为统一的过程,有助于语义形式的推导。词素和词位一样,都有语义内容、策略约束和语音实现形式的词汇表征。这项工作的动机是处理形态-语法交互(例如,使役的配价变化,由格标记词缀施加的次范畴化)。该模型基于组合范畴语法。
1995-06-29 cmp-lg cs.CL
On the Emergence of Syntax by Means of Local Interaction
Saarland University(萨尔兰大学)
研究通过局部相互作用在最小系统中产生语法处理,提出Proto-CKY结构,展示其在语法处理中的表现和特性。
2026-04-21 cs.AI cs.CL cs.LG
On embedding Lambek calculus into commutative categorial grammars
National Research University Higher School of Economics(俄罗斯国家研究型高等经济大学)
我们考虑张量文法,它是\commutative文法的一个例子,基于经典的(而不是直觉的)线性逻辑。它们可以被看作是抽象范畴文法ACG的表面表示,因为ACG的派生转化为张量文法的派生,并且这种转化在串语言的水平上是同构的。基本成分是张量项,它可以被视为编码和概括证明网。使用张量项使得语法非常简单,直接的几何意义变得透明。然后,我们解决的问题,在我们的设置编码非交换操作。在用新的一元运算符丰富系统后,这是可能的。由此产生的系统允许代表ACG和Lambek文法作为保守的片段,而形式主义仍然是,因为它似乎对我们来说,相当简单和直观。
2021-11-19 cs.CL cs.LO math.LO
Context and ontology in understanding of dialogs
我们提出了一个自然语言处理模型,其中本体和上下文直接包括在一个语法。该模型基于{ \em构式}的概念,由一组形式特征、一组描述其应用语境的语义和语用条件以及一组对其意义的描述组成。在该模型中,本体被嵌入到语法中;例如,{ \it np}构造的层次结构基于相应的本体。本体还用于定义上下文参数;例如$\left[ current\_question \ time(\_) \right] $。基于这个模型的解析器使我们能够建立一套对话理解系统,包括一个在线日历,银行机,和保险报价系统。所提出的方法是一种替代标准的“管道”设计的形态-句法-语义-语用;的帐户的意义符合我们的直觉组合性,但没有从句法到语义的同态。
1995-05-15 cmp-lg cs.CL
An Empirical Comparison of Probability Models for Dependency Grammar
这份技术报告是Reinner(1996)的附录:它给出了仅在该论文的谈话版中报道的优越的实验结果。Eisner(1996)在一小组约4,000个无连词、依赖语法解析上训练了三个概率模型,这些解析来自宾夕法尼亚树库的《华尔街日报》部分,然后使用新的O(n^3)解析算法在保留的测试集上评估了这些模型。本文描述了实验的一些细节,并使用25,000个句子的更大训练集重复它们。正如在演讲中报告的那样,更广泛的培训可以大大提高性能。近一半的句子被解析时没有错误的附件;三分之二的句子被解析时最多有一个错误的附件。在原始书面论文中描述的模型中,最好的分数仍然是用生成(自上而下)“模型C”获得的。然而,也探索了稍微好一点的模型,特别是理解(自下而上)的两个变体“模型B”。“其中较好的一个附件准确率为90%,并且(与模型C不同)比可比的trigram tagger更准确地标记单词。差异具有统计学意义。如果事先大致知道标签,搜索错误几乎被消除,新模型的附着准确率达到93%。我们发现,柯林斯(1996)的解析器,当与一个高度训练的标签相结合时,在相同的句子上训练和测试时也达到了93%。相似性和差异进行了讨论。
1997-06-06 cmp-lg cs.CL
Formalising Type-Logical Grammars in Agda
Utrecht University(乌得勒支大学)
近年来,使用证明助手来形式化和推理数学和程序设计语言的兴趣越来越大。类型逻辑语法与函数式编程中使用的类型论和系统密切相关,是下一个应用这种好奇心的完美候选者。使用证明助手的优点是,它们允许人们对自己的类型逻辑系统编写形式验证的证明,并且任何理论一旦实现,就可以立即计算。缺点是,在许多情况下,形式证明是作为事后的想法编写的,是不完整的,或者使用迟钝的语法。这使得验证过的证明往往比纸笔证明更难阅读,而且几乎从未直接发表过。在本文中,我们将尝试通过实例来弥补这一点。具体地说,我们使用Agda模型的Lambek-Grishin演算,语法逻辑与丰富的词汇表的类型形成的操作。然后,我们提出了一个验证的程序,在这个系统中的削减消除。然后,我们简要地概述了CPS的翻译证明在Lambek-Grishin演算程序在Agda。最后,我们将把我们的系统用于分析一个简单的例句。
2017-09-03 cs.CL cs.LO
Using Higher-Order Logic Programming for Semantic Interpretation of Coordinate Constructs
许多语义解释理论都使用了词项操作来计算句子的成分意义。这些理论通常是在一种语言中实现的,如Prolog,它可以模拟一阶统一的双项运算。然而,对于一些有趣的情况下,如组合范畴语法帐户的协调结构,这只能通过模糊的基础语言学理论与实施所需的“技巧”。本文展示了如何使用抽象语法允许高阶逻辑编程允许优雅的实现组合范畴语法的语义,包括其处理的协调结构。
1995-06-06 cmp-lg cs.CL
Making first order linear logic a generating grammar
本文证明一阶乘法线性逻辑(MLL1)片段等价于扩展张量类型演算(ETTC),并引入其记法丰富的变体,提出无切矢列演算与自然演绎形式化,为语言建模提供了直观几何表示与此前缺失的内在演绎系统。
2023-11-16 cs.CL cs.LO math.LO
On Folding and Twisting (and whatknot): towards a characterization of workspaces in syntax
University of Reading(雷丁大学);CINN(认知与计算神经科学研究所)
句法理论传统上采用构造主义方法,其中一组原子元素通过组合操作来操作以产生派生的复杂元素。因此,句法结构被看作是对词汇项进行离散递归组合的结果,这些词汇项被组装成短语,这些短语本身被组合成句子。这种观点是欧洲和美国结构主义的共同点(例如,Benveniste,1971年; Hockett,1958)和生成语法的不同化身,转换和非转换(Chomsky,1956,1995; Kaplan & Bresnan,1982; Gazdar,1982)。至少从Uriagereka(2002)开始,人们就开始关注这样一个事实,即句法操作必须应用于某个地方,特别是当考虑复制和移动操作时。现代句法理论因此在一定程度上承认了将元素被操纵的空间的各个方面形式化的重要性,但这仍然是一个大大未被探索的领域。在本文中,我们探讨的后果概念化的语法作为一组拓扑操作适用于空间,而不是在离散元素。我们认为,有经验的优势,在这样一个观点的治疗长距离的依赖关系和交叉派生的依赖关系:可能的配置约束出现从系统的动态。
2018-12-30 cs.CG cs.CL cs.FL
Integrating Supertag Features into Neural Discontinuous Constituent Parsing
Philosophische Fakultät(哲学系);Institut für Sprache und Information(语言与信息研究所)
本研究探索将超标签特征集成到基于转移的神经非连续成分句法分析中,通过流水线和多任务两种方式引入超标签信息,并对比多种框架与序列标注任务作为辅助任务的适用性。
2024-10-11 cs.AI cs.CL cs.FL
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