A Modular Architecture for Typologically Controlled Lexicon Generation
Birla Institute of Technology and Science, Pilani（比拉理工学院，帕利尼）
提出模块化框架，通过PHOIBLE音位库、可互换音系语法和Swadesh-Leipzig-Jakarta本体生成音系合理且类型学真实的词汇，实验表明概率语法优于确定性和随机基线。
2026-04-07 cs.CL
Exposure and Emergence in Usage-Based Grammar: Computational Experiments in 35 Languages
University of Canterbury（坎特伯雷大学）
本文采用计算实验的方法来探讨暴露在构式语法产生中的作用。虽然基于用法的语法被假设为依赖于学习者对实际语言使用的接触，但这种接触的机制只在少数孤立的结构中进行了研究。本文的实验与（一）constructicon的增长速度，（二）的收敛速度的语法暴露于独立寄存器，和（iii）的速度，结构被遗忘时，他们最近没有观察到。这些实验表明，词汇的增长速度比语法快，语法的增长速度并不依赖于词汇的增长速度。与此同时，随着接触量的增加，特定于语域的语法会收敛到更相似的结构上。这意味着，随着接触的增加，特定寄存器的影响变得不那么重要。最后，当最近没有观察到结构时，结构被遗忘的速度反映了结构的增长速度。因此，本文提出了一个计算模型的使用为基础的语法，其中包括出现和unenrichment的结构。
2022-11-25 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
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
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
FrameNet Resource Grammar Library for GF
Institute of Mathematics and Computer Science, University of Latvia（拉脱维亚大学数学与计算机科学研究所）
在本文中，我们提出了一个正在进行的研究调查的可能性和潜力，整合框架语义，特别是FrameNet，在语法框架（GF）的应用语法开发。GF的一个重要组成部分是它的资源语法库（RGL），它封装了目前20多种语言的词法和语法的低级语言知识，促进了多语言应用程序的快速开发。在理想的情况下，将GF应用程序语法移植到一种新的语言只需要引入领域词典-通过公共抽象术语互连的翻译等价物。虽然高度受限的CNL是可能的，但开发和移植受限较少的CNL需要高于平均水平的特定语言的语言知识和高于平均水平的GF经验。在名词的情况下，词典大多是简单的（包括。多词单元），然而，动词是最复杂的类别（就屈折范式和论元结构而言），并且将它们添加到GF应用语法不是一个简单的任务。在本文中，我们专注于动词，调查的可能性，创建一个多语言的FrameNet为基础的GF库。我们提出了一个扩展到当前的RGL，允许GF应用程序开发人员定义的语义级别上的条款，从而离开特定于语言的语法映射到这个扩展。我们证明了我们的方法，通过重新设计的MOLTO Phrasebook应用语法。
2014-06-26 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
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
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
Urdu Morphology, Orthography and Lexicon Extraction
University of Savoie（萨瓦大学）；Chalmers University of Technology（查尔姆斯理工大学）
乌尔都语是一种具有挑战性的语言，首先是因为它的波斯-阿拉伯文字，其次是它的形态系统具有阿拉伯语，波斯语和南亚本土语言的固有语法形式和词汇。本文描述了乌尔都语作为一个软件API的实现，我们处理的正字法，形态学和提取的词汇。该形态学在一个名为Functional Morphology（Forsberg & Ranta，2004）的工具包中实现，该工具包基于将语法作为软件库处理的思想。因此，该实现可以在诸如关键字的智能搜索、语言训练和语法基础设施等应用中重用。我们还提出了一个实现的一小部分乌尔都语语法来证明这种可重用性。
2022-04-06 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
The Unsupervised Acquisition of a Lexicon from Continuous Speech
我们提出了一种无监督学习算法，从原始语音中获取自然语言词典。该算法基于MDL框架中符号序列的最佳编码，并使用语言的分层表示，克服了许多阻碍以前的语法归纳过程的问题。从符号序列到语音流的前向映射使用基于发音手势的特征来建模。我们目前的结果，从原始语音，文本和语音成绩单的词汇和语言模型的收购，并证明我们的算法相比，非常有利的分割性能和统计效率方面的其他报告的结果。
1995-12-13 cmp-lg 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
A Factorial Study of Synthetic Data Generation for Low-Resource Machine Translation using Grammar Books
University of Zurich（苏黎世大学）
研究针对濒危语言机器翻译缺平行数据问题，利用大语言模型从语法书提取内容生成合成语料库微调，经三种低资源语言验证，通过析因研究确定增益因素组合，证明可将静态语言文档用于机器翻译微调，为资源匮乏语言提供翻译工具路径。
2026-09-11 cs.CL
Learning grammar with a divide-and-concur neural network
Cornell University（康奈尔大学）
我们实现了一个分而同迭代投影方法上下文无关文法推理。与大多数最先进的自然语言处理模型不同，我们的方法需要相对较少的离散参数，从而使推断的语法直接可解释-人们可以从解决方案中读取如何构建语法有效的句子。我们的方法的另一个优点是能够从几个句子中推断出有意义的语法规则，相比之下，许多其他模型使用数百GB的训练数据。我们展示了几种应用我们的方法的方式：分类单词和从头开始推断语法，以现有的语法和完善其类别和规则，并采取现有的语法和扩大其词汇，因为它遇到新的单词在新的数据。
2022-07-07 cs.CL cs.LG nlin.CG
Open Question Answering with Weakly Supervised Embedding Models
Heudiasyc UMR 7253（HEUDIASYC混合研究单位7253）；Université de Technologie de Compiègne（贡比涅技术大学）；CNRS（法国国家科学研究中心）；Google（谷歌）
建造能够回答任何问题的计算机是人工智能的长期目标。通过学习将问题映射到逻辑形式或数据库查询的方法，最近取得了可喜的进展。这种方法可能是有效的，但代价是大量的人工标记数据或定义由从业者定制的词汇和语法。在本文中，我们采取了激进的方法，学习将问题映射到矢量特征表示。通过将答案映射到相同的空间中，可以独立于其模式查询任何知识库，而不需要任何语法或词典。我们的方法是用一种新的优化过程进行训练的，该过程结合了随机梯度下降，然后使用自动和协作生成的资源混合提供的弱监督进行微调。我们的经验表明，我们的模型可以从其嘈杂的监督中捕获有意义的信号，从而使我们的模型比现有的唯一能够在类似的弱标记数据上进行训练的方法--Spectroex有了重大改进。
2014-04-16 cs.CL cs.LG
Bootstrapping Deep Lexical Resources: Resources for Courses
University of Melbourne（墨尔本大学）
我们提出了一系列的深层词汇获取方法，利用形态，句法和本体的语言资源，从种子词典建模单词相似性和引导。不同的方法部署在学习词汇项目的精确语法，并显示每个有不同的词类的优势和劣势。本文的一个特别的重点是不同的语言资源类型的相对可及性，并预测“bang for the buck”与每一个在深层词汇习得应用程序。
2007-09-15 cs.CL
What's the Point? Spatial Grammar & Index Resolution for Sign Language Processing
Centre for Vision, Speech and Signal Processing, University of Surrey（萨里大学视觉、语音与信号处理中心）
针对手语中占10-15%但被忽视的空间索引现象，提出索引检测与话语实体链接的分解框架，建立索引感知手语建模基线，并作为辅助专家提升冻结手语识别模型性能。
2026-06-06 cs.AI cs.CL
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
Why is language well-designed for communication? (Commentary on Christiansen and Chater: 'Language as shaped by the brain')
Telecom ParisTech（巴黎高等电信学院）
通过迭代学习的选择解释了其他非功能性的解释，如普遍语法，为什么语言是为了交际效率而设计的。它并没有预测语言的几个显著特征，如中央嵌入，大型词汇或缺乏象似性，这些特征似乎以牺牲可学习性为代价来服务于交际目的。
2011-08-22 cs.CL q-bio.NC
LERIL : Collaborative Effort for Creating Lexical Resources
本文报告的努力，创造有关印度语言的词汇资源，使用的合作模式。正在开发的词汇资源是：（1）将英语的词汇和语法转移到几种印度语言中。(2)几种印度语言注释语料库的依赖树库。依赖树基于Paninian模型。(3)双语词典的核心含义。
2003-08-07 cs.CL
GRID: Grammar-Railed Decoding for Enterprise SQL Generation
evolutionID GmbH（进化ID有限公司）
研究针对企业SQL生成需求，提出GRID语法约束解码引擎，通过特定方式确定令牌掩码，编译角色访问控制，有四个保证。经实验，Rust内核降低掩码时间，在Spider上约束解码提升模型可执行率，还具备审计跟踪和篡改检测功能。
2026-07-15 cs.AI cs.CL cs.FL
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
Unveiling Large Language Models Generated Texts: A Multi-Level Fine-Grained Detection Framework
School of Information, Renmin University of China（中国人民大学信息学院）；Institute for Advanced Algorithms Research, Shanghai（上海高级算法研究院）；School of Information Technology and Management, University of International Business and Economics（对外经济贸易大学信息技术与管理学院）；Shanghai University of Finance and Economics（上海财经大学）
本文提出多层次细粒度检测框架MFD，融合结构、语义和语言特征并进行句子级分析，通过对比学习和LLM深层特征提取提升检测鲁棒性与泛化能力，在公开数据集上以88.56%准确率超越现有方法。
2024-10-18 cs.CL
JamPatoisNLI: A Jamaican Patois Natural Language Inference Dataset
Stanford University（斯坦福大学）
JamPatoisNLI提供了第一个用于克里奥尔语（Jamaican Patois）中的自然语言推理的数据集。许多使用最多的低资源语言是克里奥尔语。这些语言通常都有一个来自世界主要语言的词汇和一个独特的语法，反映了最初使用者的语言和通过克理奥尔化产生语言的过程。这使他们在探索从大型单语或多语言预训练模型迁移的有效性方面具有独特的地位。虽然我们的工作以及以前的工作表明，从这些模型转移到与其训练集中的语言无关的低资源语言并不是很有效，但我们希望从转移到克里奥尔语中得到更强的结果。事实上，我们的实验表明，JamPatoisNLI的少样本学习比这些无关语言的学习效果要好得多，并帮助我们开始了解克里奥尔语与其高资源基础语言之间的独特关系如何影响跨语言迁移。JamPatoisNLI由自然发生的前提和专家撰写的假设组成，是将研究转向传统上服务不足的语言的一步，也是理解跨语言NLP的有用基准。
2022-12-07 cs.CL cs.LG
Learning Cross-lingual Mappings for Data Augmentation to Improve Low-Resource Speech Recognition
University of Sheffield（谢菲尔德大学）；Liveperson Research Centre（Liveperson研究中心）
针对低资源语言语音识别数据稀缺问题，提出可学习跨语言映射方法，无需平行数据即可实现源语言转写并用于数据增强，相对单语言基线模型最高提升5%性能。
2023-06-14 cs.CL cs.SD eess.AS
