Treebank Embedding Vectors for Out-of-domain Dependency Parsing
ADAPT Centre(ADAPT中心);Dublin City University(都柏林城市大学)
单语依存句法分析的最新进展是树库嵌入向量的思想,它允许特定语言的所有树库用作训练数据,同时允许模型从一个树库中优先选择训练数据,并在测试时选择首选的树库。我们基于这个想法,通过1)引入一种方法来预测不是来自训练中使用的树库的句子的树库向量,以及2)探索当我们在测试时远离预定义的树库嵌入向量,而是设计定制的插值时会发生什么。我们表明,1)有插值向量优于预定义的,和2)树库向量可以预测足够的准确性,为九出十测试语言,以匹配的性能的Oracle方法,知道最合适的预定义树库嵌入的测试集。
2020-05-02 cs.CL
Developing Universal Dependency Treebanks for Magahi and Braj
Dr. Bhimrao Ambedkar University, Agra(阿格拉比姆拉奥·安贝德卡尔博士大学);Panlingua Language Processing LLP(Panlingua语言处理有限责任合伙公司);Data Science Institute, National University of Ireland Galway(爱尔兰国立大学戈尔韦分校数据科学研究所)
在本文中,我们讨论了两个低资源的印度语言- Magahi和Braj的基础上的通用知识框架的树库的发展。Magahi树库包含945个句子,Braj树库包含大约500个句子,标记了它们的词元、词性、形态特征和普遍依赖性。本文描述了两种语言中不同的依赖关系,并给出了两种树库的统计数据。该数据集将在下一个(v2.10)版本中在Universal Dependency(UD)存储库(https://github.com/UniversalDependencies/UD_Magahi-MGTB/tree/master)上公开提供。
2022-04-26 cs.CL
SciDTB: Discourse Dependency TreeBank for Scientific Abstracts
Key Laboratory of Computational Linguistics, Peking University, MOE, China(北京大学计算语言学重点实验室(教育部))
语篇关系标注语料库有利于机器翻译和问答等自然语言处理任务的实现。在本文中,我们提出了SciDTB,一个特定领域的话语树库标注的科学文章。与广泛使用的RST-DT和PDTB不同,SciDTB使用依存树来表示语篇结构,具有一定的灵活性和简化性,但不会牺牲结构的完整性。我们讨论了标签框架,注释工作流程和一些关于SciDTB的统计数据。此外,我们的树库是作为一个基准评估话语依赖分析器,我们提供了几个基线作为基础工作。
2018-06-10 cs.CL
I3rab: A New Arabic Dependency Treebank Based on Arabic Grammatical Theory
Princess Sumaya University for Technology(普林塞萨·苏马亚科技大学);Hashemite University(哈希姆特大学)
树库是一种非常有价值的语言资源,它除了包含词性标记和形态特征外,还包含了语言句子的句法结构。它们主要用于建模统计分析器。尽管统计自然语言解析器最近对于诸如英语的语言变得更准确,但是对于阿拉伯语的那些解析器仍然具有低准确性。本文的目的是在传统的阿拉伯语语法理论的基础上,结合阿拉伯语的特点,构建一个新的阿拉伯语依存关系树库,研究其对统计分析器准确性的影响。建议的阿拉伯语依赖树库,称为I3rab,对比现有的阿拉伯语依赖树库在两个主要概念。第一个概念是确定句子的主要词的方法,第二个概念是连接代词和隐蔽代词的表示。为了评估I3rab,我们将其性能与布拉格阿拉伯语DepartmentTreebank的一个子集进行了比较,该子集具有可比的细节水平。进行的实验表明,在UAS和LAS中的百分比改善达到7.5%和18.8%。
2020-07-11 cs.CL
Cross-lingual Universal Dependency Parsing Only from One Monolingual Treebank
Shanghai Jiao Tong University(上海交通大学)
句法分析是一个高度语言处理的任务,其分析器需要从昂贵的人工注释中训练树库。由于不太可能为每种人类语言获得树库,因此在这项工作中,我们提出了一个有效的跨语言UD解析框架,用于将解析器从一个源单语树库转移到任何其他目标语言,而无需树库。为了在不同的语言之间达到满意的分析精度,我们将两个语言建模任务作为多任务引入到依存句法分析中。假设只有来自目标语言的未标记数据和源树库可以一起利用,我们采用了一种自我训练策略,以进一步提高我们的多任务框架的性能。我们提出的跨语言解析器实现英语,中文,和22 UD树库。实证研究表明,我们的跨语言分析器产生的所有目标语言,第一次有希望的结果,接近分析器的性能,这是在自己的目标树库训练。
2021-04-23 cs.CL
The Persian Dependency Treebank Made Universal
University of Pennsylvania(宾夕法尼亚大学);Shahid Beheshti University(沙希德·贝赫什蒂大学);Shiraz University(设拉子大学);Sobhe(Sobhe(公司)/索比(公司)(注:原机构名Sobhe未明确类型,按常见处理为公司))
我们描述了一种自动方法,用于将波斯Dependencies Treebank(Rasooli et al,2013)转换为Universal Dependencies。这个树库包含29107个句子。我们的实验以及人工语言分析表明,我们的数据比乌普萨拉波斯语通用从属树库更符合通用从属关系(Seraji等人,2016),规模更大,词汇更多样。我们的数据在监督解析中带来了85.2的标记附件F分数。我们的去词汇化的波斯语到英语的解析器迁移实验表明,在我们的数据上训练的解析模型比Seraji et al.(2016)在标记附件得分方面绝对准确约2%。
2020-09-23 cs.CL
Thai Universal Dependency Treebank
Department of Linguistics, Chulalongkorn University(朱拉隆梭大学语言学系);AI Singapore(AI新加坡);Amazon(亚马逊);Prince of Songkhla University(素可诺大学)
针对泰语自动依存分析缺乏大规模树库和系统性模型评估的问题,构建了符合UD框架的最大规模泰语依存树库TUD,基准测试验证了基于预训练transformer的分析器性能更优,相关资源已开源。
2024-05-13 cs.CL
Informal Persian Universal Dependency Treebank
University of Arizona(亚利桑那大学)
本文介绍了正式和非正式波斯语之间的语音,形态和句法的区别,这两个变种有根本的差异,不能仅仅归因于发音差异。鉴于非正式波斯语具有特殊的特征,任何在正式波斯语上训练的计算模型都不太可能很好地转换为非正式波斯语,因此需要为这种变体创建专用的树库。因此,我们详细介绍了开发的开源非正式波斯语通用dependencies树库,一个新的树库内注释的通用Dependencies计划。然后,我们调查的非正式波斯语的解析训练两个依赖解析器对现有的正式树库和评估他们的域外数据,即我们的非正式树库的发展集。我们的研究结果表明,解析器的性能大幅下降,当我们在这两个领域移动,因为他们面临更多的未知的令牌和结构,并未能很好地推广。此外,性能恶化最严重的依赖关系代表了非正式变体的独特属性。这项研究的最终目标是展示更广泛的影响,是提供一块垫脚石,揭示语言的非正式变体的重要性,这在跨语言的自然语言处理工具中被广泛忽视。
2022-01-10 cs.CL
Universal Dependency Treebank for Odia Language
Silo AI;University of Lille(里尔大学);Institute of Mathematics and Applications(数学与应用研究所);KIIT University(KIIT大学);Ravenshaw University(雷文肖大学)
本文介绍了第一个公开可用的树库Odia,形态丰富的低资源的印度语言。树库包含大约。1082个单词(100个句子)从“Samantar”中选出,这是印度语言最大的平行语料库。所有选择的句子都是按照“通用依赖性(UD)”准则手动注释的。Odia树库的形态学分析使用机器学习技术进行。Odia注释树库将丰富Odia语言资源,并将有助于建立跨语言学习和类型学研究的语言技术工具。我们还使用机器学习方法构建了一个初步的Odia解析器。解析器的正确率分别为:标记化86.6%,UPOS 64.1%,XPOS 63.78%,UAS 42.04%,LAS 21.34%。最后,本文简要讨论了Odia UD树库的语言分析。
2022-05-24 cs.CL
Inherent Dependency Displacement Bias of Transition-Based Algorithms
CITIC
目前,依赖关系解析器使用了各种各样的基于转换的算法。经验研究表明,不同树库的性能不同,在一个树库上,一种算法优于另一种算法,而在另一个树库上,情况正好相反。通常没有什么可辨别的原因导致一种算法更适合某个树库,而不太适合另一个树库。在本文中,我们通过引入算法的固有依赖位移分布的概念来阐明这一点。这表征了算法在依赖位移方面的偏差,依赖位移量化了句法关系的距离和方向。我们发现,算法的固有分布的树库的位移分布的相似性是明显相关的算法的解析性能的树库,特别是具有高度显着和实质性的相关性的主要句子长度在通用Dependency树库。我们还得到的结果表明,一个更离散的依赖位移分析不会导致任何有意义的相关性。
2020-03-31 cs.CL
Second language Korean Universal Dependency treebank v1.2: Focus on data augmentation and annotation scheme refinement
University of Oregon(俄勒冈大学);University of Illinois Chicago(伊利诺伊大学芝加哥分校)
本研究扩充并优化第二语言韩语UD树库,基于该树库微调韩语语言模型,验证了适配性L2数据集对提升二语形态句法分析模型性能的重要作用。
2025-03-18 cs.CL
How Much Does Corpus Choice Change Dependency-Distance Estimates?
该研究对比Universal Dependencies v2.18的38组同语言树库对,发现树库选择会显著影响依存距离估计的跨语言排序,仅依存长度最小化的定性规律稳定存在。
2026-09-07 cs.CL
Prague Dependency Treebank -- Consolidated 1.0
Charles University(查理大学)
我们提出了一个丰富的注释和体裁多样化的语言资源,布拉格省树库统一1.0(PDT-C 1.0),其目的是-因为它一直是布拉格省树库的家庭的情况下-既作为训练数据的各种类型的NLP任务,以及语言为导向的研究。PDT-C 1.0包含四个不同的捷克语数据集,使用标准PDT方案统一注释(尽管并非所有内容都是手动注释的,正如我们在这里详细描述的那样)。这些文本来自不同的来源:每日报纸文章、捷克语翻译的《华尔街日报》、转录的对话和少量用户生成的、简短的、通常非标准的语言片段。总的来说,树库包含大约180,000个句子及其形态,表面和深层句法注释。文本和注释的多样性应该很好地服务于NLP应用,并且它是语言研究的宝贵资源,包括对不同体裁文本的比较研究。语料库是公开和免费提供的。
2020-06-05 cs.CL
Head-Driven Phrase Structure Grammar Parsing on Penn Treebank
Shanghai Jiao Tong University(上海交通大学)
中心语驱动短语结构语法(HPSG)具有统一的形式主义,代表了丰富的上下文句法甚至语义。本文首次尝试通过将成分和依存形式表征整合到中心语驱动短语结构中来构建一个简化的HPSG。然后分别对两种转换后的树表示--分割生成树和联合生成树提出了两种解析算法。由于HPSG编码组成和依赖结构信息,所提出的HPSG解析器可以被认为是一种用于两种类型的结构的联合解码器,并且因此根据提取或转换的组成和依存句法分析树来评估。我们的分析器实现了新的国家的最先进的性能,在宾夕法尼亚树库(PTB)和中文宾夕法尼亚树库的分析任务,验证了联合学习成分和依赖结构的有效性。在PTB上,成分句法分析的F1为96.33,依存句法分析的UAS为97.20。
2020-05-05 cs.CL
Building an Ellipsis-aware Chinese Dependency Treebank for Web Text
Peking University(北京大学)
Web 2.0带来了大量用户产生的数据,这些数据揭示了一个人的思想、经验和知识,这些数据是信息抽取和知识库构建等许多任务的重要来源。然而,文本的口语化特征对当前更适应语言形式的自然语言处理技术提出了新的挑战。省略是一种常见的语言现象,特别是在口语中,当人们从语境中理解某些词时,省略了它们,这阻碍了依存句法分析的提高,而依存句法分析对于依赖句子意义的任务具有重要意义。为了促进这一领域的研究,我们发布了一个包含319个微博的中文依存关系树库,其中包含572个句子,并保留了遗漏和上下文。
2018-01-23 cs.CL
Fine-tuning Tree-LSTM for phrase-level sentiment classification on a Polish dependency treebank. Submission to PolEval task 2
Institute of Philosophy and Sociology, Polish Academy of Sciences(波兰科学院哲学与社会学研究所);University of Warsaw(华沙大学)
我们描述了Child-Sum Tree-LSTM深度神经网络(Tai et al,2015)的一个变体,它被微调为使用依赖树和形态丰富的语言,使用波兰语的例子。微调包括应用自定义正则化技术(zoneout,由Krueger等人,2016),并进一步适用于Tree-LSTM)以及使用用子词信息增强的预训练的词嵌入(Bojanowski等人,2016年)。该系统在PyTorch中实现,并作为PolEval竞赛的一部分在短语级情感标签任务上进行评估。
2017-11-03 cs.CL
LyS_ACoruña at SemEval-2022 Task 10: Repurposing Off-the-Shelf Tools for Sentiment Analysis as Semantic Dependency Parsing
Universidade da Coruña(拉科鲁尼亚大学);CITIC
本文解决了结构化的情感分析的问题,使用双仿射语义依赖分析器,大型预训练的语言模型,和公开可用的翻译模型。对于单语设置,我们考虑:(i)在单个树库上进行训练,以及(ii)通过在来自不同语言的树库上进行训练来放松设置,这些树库可以通过跨语言语言模型进行充分处理。对于zero-shot设置和给定的目标树库,我们依赖于:(i)对其他语言的可用树库进行单词级翻译,以获得嘈杂的,不太可能语法的,但带注释的数据(我们在许可证允许的情况下发布尽可能多的数据),以及(ii)合并这些翻译的树库以获得训练数据。在后评估阶段,我们还训练了跨语言模型,这些模型简单地合并了所有英语树库,而没有使用单词级翻译,但获得了更好的结果。根据官方结果,我们在单语和跨语言设置中排名第8和第9。
2022-04-27 cs.CL
MaiBaam: A Multi-Dialectal Bavarian Universal Dependency Treebank
Center for Information and Language Processing, LMU Munich(慕尼黑大学信息与语言处理中心);Munich Center for Machine Learning (MCML)(慕尼黑机器学习中心);IT University of Copenhagen(哥本哈根信息技术大学)
本文构建了首个多方言巴伐利亚语UD树库MaiBaam,含1.5万词元,覆盖多体裁与三国方言,揭示其与德语的形态句法差异,并公开数据与基线结果以促进研究。
2024-03-15 cs.CL
A non-projective greedy dependency parser with bidirectional LSTMs
Universidade da Coruña(拉科鲁尼亚大学)
LyS-FASTPARSE团队介绍了BIST-COVINGTON,这是Covington(2001)算法的神经实现,用于非投射依存句法分析。Kipperwasser和Goldberg(2016)的双向LSTM方法用于训练具有动态oracle的贪婪解析器,以减轻错误传播。该模型参加了CoNLL 2017 UD共享任务。尽管没有使用任何集成方法,并使用基线分割和PoS标记,解析器在大型树库类别(55种语言)的宏观平均LAS和UAS上都获得了良好的结果,在33个团队中排名第7。在所有树库类别(LAS和UAS)中,我们排名第16位和第12位。所有类别和大类别之间的差距主要是由于四个并行PUD树库的性能不佳,这表明一些“后缀”树库(例如西班牙语AnCora)在跨树库设置上表现不佳,而相应的“无后缀”树库(例如西班牙语)则不会出现这种情况。通过改变这一点,我们在所有运行(官方和非官方)中获得了第11名。该代码可在https://github.com/CoNLL-UD-2017/LyS-FASTPARSE上获得
2017-07-11 cs.CL
Prague Dependency Treebank -- Consolidated 2.0: Enriching a Complex Annotation Scheme
Charles University, Faculty of Mathematics and Physics, Institute of Formal and Applied Linguistics(查尔斯大学数学与物理学院形式与应用语言学研究所)
本文介绍布拉格依存树库整合版2.0,该版本统一标注了多种语言层面,包含指代和话语关系,是近30年持续开发的成果,提供近400万词符的捷克语资源。
2026-11-11 cs.CL
Cross-lingual Parsing with Polyglot Training and Multi-treebank Learning: A Faroese Case Study
ADAPT Centre(ADAPT中心);Dublin City University(都柏林城市大学)
跨语言依存句法分析涉及到将句法知识从一种语言转换到另一种语言。它是在没有语言的训练数据的低资源场景中引入依赖解析器的关键组件。使用法罗语作为目标语言,我们比较了两种使用注释投影的方法:第一,从多个单语源模型投影;第二,从一个多语种模型投影,该模型是在所有源语言的组合上训练的。此外,我们再现了多源投影(Tyers等人,2018),其中组合了多个源的依赖关系树。最后,我们将多树库建模应用于投影树库,除了或替代源端的多语言建模。我们发现,多语言训练的源语言产生了更好的结果在目标语言的整体趋势,但单一的最佳结果为目标语言是通过投影从单语源解析模型,然后训练多树库的POS标记和解析模型的目标侧。
2019-10-17 cs.CL
Multilingual Nonce Dependency Treebanks: Understanding how Language Models represent and process syntactic structure
Heinrich-Heine-Universität Düsseldorf(杜塞尔多夫海因里希·海涅大学);IBM Research(IBM研究院);Dalhousie University(达尔豪斯大学)
提出SPUD框架构建五种语言的非ce依存树库,通过困惑度和句法探针实验表明模型性能虽下降但大部分句法能力独立于语义。
2024-06-12 cs.CL
Global Greedy Dependency Parsing
Shanghai Jiao Tong University(上海交通大学)
大多数句法依存句法分析模型可以分为两类:基于转换的模型和基于图的模型。前者具有线性时间复杂度的高推理效率,但依赖于部分构建的解析树的堆叠或重新排序来构建完整的解析树,并且由于动态预言训练的必要性而导致训练速度较慢。后者,基于图的模型,可能拥有更好的性能,但不幸的是被多项式时间推理破坏。在本文中,我们提出了一个新的分析顺序的目标,从而在一个新的依存句法分析模型能够在全局(句子范围内)特征提取的图形模型和线性时间推理的过渡模型。建议的全球贪婪分析器只使用两个弧建设行动,左和右弧,投影分析。当配备两个额外的非投射弧建设行动,建议的解析器也可以顺利地支持非投射解析。使用多个基准树库,包括Penn树库(PTB),CoNLL-X树库,和通用Dependency树库,我们评估我们的解析器,并证明所提出的新的解析器实现了更快的训练和解码的良好性能。
2020-02-12 cs.CL
Analysis of the Penn Korean Universal Dependency Treebank (PKT-UD): Manual Revision to Build Robust Parsing Model in Korean
Yonsei University(延世大学);Emory University(埃默里大学);University of Pittsburgh(匹兹堡大学);Allen Institute For Artificial Intelligence(艾伦人工智能研究所)
在本文中,我们首先打开的重要问题,关于宾夕法尼亚大学韩国通用树库(PKT-UD),并解决这些问题,通过手动修改整个语料库的目的是生产更干净的UD注释,更忠实于韩国语法。为了与其他UD语料库兼容,我们遵循UDv 2指南,并广泛修改了词性标记和依存关系,以反映韩语的形态特征和灵活的词序方面。PKT-UD的原始版本和修订版本进行了实验与transformer为基础的分析模型,使用biaffine注意。在修改后的语料库上训练的句法分析模型显示出3.0%的显着提高标记的附件得分比以前的语料库上训练的模型。我们的错误分析表明,这一修订允许解析模型学习关系更强大,减少了几个要害差错,用于由以前的模型。
2020-05-26 cs.CL
Construction and educational application of a linguistically grounded dependency treebank for Uyghur
Xinjiang University(新疆大学)
本研究构建了乌兹别克语语义基础依存树库,通过混合标注流程提高依存项目性,并开发AI辅助语法教学系统,验证其在提升非母语学习者句法理解能力方面的有效性。
2026-01-20 cs.CL
Cross-Lingual Dependency Parsing for Closely Related Languages - Helsinki's Submission to VarDial 2017
University of Helsinki(赫尔辛基大学)
本文介绍了赫尔辛基大学在VarDial 2017上提交的跨语言依存句法分析共享任务。我们目前的工作,注释投影和树库翻译,在测试集中的所有三个目标语言的良好效果。特别是,斯洛伐克语似乎与来自捷克树库的信息配合得很好,这与相关工作是一致的。跨语言模型的依恋得分甚至超过了在目标语言树库上训练的完全监督模型。克罗地亚语是测试集中最难的语言,在基线上的改进相当温和。挪威语对来自瑞典语的信息处理得最好,而丹麦语的贡献却出奇的少。
2017-08-18 cs.CL
Out-of-Domain Evaluation of Finnish Dependency Parsing
University of Turku(图尔库大学)
学术界的普遍做法是在通常从训练语料库中留出的域内评估数据上评估模型的性能。然而,在许多现实世界的应用中,应用模型的数据可能与训练数据的特性有很大的不同。在本文中,我们专注于芬兰的域外解析,通过引入一种新的UD芬兰OOD域外树库,包括五个非常不同的数据源(网络文档,临床,在线讨论,推文和诗歌),和19,382个句法单词在2,122个句子下发布的通用语法框架。连同新的树库,我们提出了广泛的域外解析评估利用现有的节级信息从三个不同的芬兰UD树库(TDT,PUD,OOD)。与以前现有的树库相比,新的芬兰OOD包括部分更具挑战性的一般解析器,创建一个有趣的评估设置,并产生有价值的信息,为那些应用解析器以外的训练域。
2022-04-22 cs.CL
Constituency Structure over Eojeol in Korean Treebanks
KAIST(韩国国立科学技术院);Anyang University(安阳大学)
针对韩语成分树库中终端单位选择问题,提出基于语节的成分表示,将形态分割和细粒度词性信息编码在非成分层,支持跨树库比较和成分-依存对齐。
2026-06-25 cs.CL
LuxBank: The First Universal Dependency Treebank for Luxembourgish
University of Luxembourg(卢森堡大学)
本文介绍 LuxBank,首个卢森堡语通用依存树库,建立标注指南,支持句法分析、工具开发及语言模型训练,促进西日耳曼语系研究。
2024-11-07 cs.CL
A systematic comparison of methods for low-resource dependency parsing on genuinely low-resource languages
University of Edinburgh(爱丁堡大学);University of Copenhagen(哥本哈根大学)
解析器只适用于世界上少数几种语言,因为它们需要大量的训练数据。仅仅使用少量的训练数据,我们能走多远?我们系统地比较了一组简单的策略,以改善低资源解析器:数据增强,这还没有被测试过;跨语言的培训;和音译。通过对三种类型多样的低资源语言--北萨米语、加利西亚语和哈萨克语--的实验,我们发现:(1)当只有低资源树库可用时,数据增强非常有用;(2)当相关的高资源树库可用时,跨语言训练是有用的,并且补充了数据增强;(3)当高资源树库使用不同的书写系统时,音译到共享的正字法空间中也是非常有帮助的。
2019-09-06 cs.CL
Artificially Evolved Chunks for Morphosyntactic Analysis
Universidade da Coruña(拉科鲁尼亚大学);CITIC
我们介绍了一种语言无关的进化技术,自动提取块依赖树库。我们评估这些组块上的一些形态句法任务,即词性标注,形态特征标注,和依存句法分析。我们用许多不同的方法来测试这些块的效用。我们首先学习组块作为一个任务,在一个共享的多任务框架与POS和形态特征标记。然后,将来自该网络的预测用作输入以增强序列标记依存句法分析。最后,我们调查的影响块依存句法分析在多任务框架。我们从这些分析的结果表明,这些块提高英语UD树库和一个小的,不同的子集的非英语UD树库在不同层次的句法抽象的性能。
2019-08-21 cs.CL
Meet UD_Czech-PDTC: A Large and Genre-Rich Treebank in Universal Dependencies
Charles University, Faculty of Mathematics and Physics(查理大学数学与物理系);Institute of Formal and Applied Linguistics(形式与应用语言学研究所)
本文介绍将捷克语PDT-C树库转换为通用依存格式,解决两种标注方案在依存结构拓扑、词性和关系类型粒度上的差异,并展示转换方法。
2026-11-11 cs.CL
Leveraging Newswire Treebanks for Parsing Conversational Data with Argument Scrambling
University of Colorado Boulder(科罗拉多大学博尔德分校);IIIT-H(海得拉巴国际信息技术研究所)
我们调查的问题,解析会话数据的形态丰富的语言,如印地语的参数扰频频繁发生。我们评估了一个国家的最先进的非线性转换为基础的解析系统,一个新的数据集包含506个依赖树的句子从宝莱坞(印地语)电影剧本和Twitter帖子的印地语单语扬声器。我们表明,依赖解析器训练的新闻专线树库是强烈偏向于规范的结构和降低时,应用于会话数据。受转换生成语法的启发,我们通过从树库中现有的(内核)结构生成一个子句的所有理论上可能的替代词序来减轻采样偏差。在规范和转换结构上训练我们的解析器,与基线新闻解析器相比,会话数据的性能提高了约9% LAS。
2019-02-13 cs.CL
Distilling Neural Networks for Greener and Faster Dependency Parsing
Universidade da Coruña(拉科鲁尼亚大学);CITIC
近年来,自然语言处理研究的碳足迹一直在增加,因为它依赖于大型且低效的神经网络实现。蒸馏是一种网络压缩技术,它试图将知识从一个大的模型传递到一个较小的模型。我们使用师生蒸馏来提高Biaffine依赖解析器的效率,该解析器在准确性和解析速度方面获得了最先进的性能(Dozat和Manning,2017)。当提取到原始模型的可训练参数的20%时,我们在许多不同的通用依赖树库中仅观察到UAS和LAS的平均$\sim$ 1点下降,同时在推理时间比CPU(GPU)上的基线模型快2.30倍(1.19倍)。我们还观察到一个小的性能提高时,压缩到80%的一些树库。最后,通过蒸馏,我们得到一个解析器,这不仅是更快,而且更准确的比最快的现代解析器在Penn树库。
2020-06-01 cs.CL
Urdu Dependency Parsing and Treebank Development: A Syntactic and Morphological Perspective
COMSATS University Islamabad(伊斯兰堡COMSATS大学)
本文面向低资源、形态复杂的乌尔都语,构建人工标注新闻树库,并结合词性与形态特征训练依存分析器,最佳 LA 达 70%、UAS 达 84%。
2024-10-02 cs.CL cs.LG
BoAT v2 -- A Web-Based Dependency Annotation Tool with Focus on Agglutinative Languages
Boğaziçi University(博阿齐奇大学)
针对黏着语依存标注工具不足,BoAT v2作为多用户Web工具,以提升标注速度、用户体验和协作,并提供开源API,助力树库构建。
2024-02-03 cs.CL
Universal Dependency Parsing from Scratch
Stanford University(斯坦福大学)
本文描述了斯坦福大学在CoNLL 2018 UD共享任务上的系统。我们介绍了一个完整的神经管道系统,以原始文本作为输入,并执行共享任务所需的所有任务,从标记和句子分割,到POS标记和依存句法分析。我们提交的单个系统在大型树库上实现了非常有竞争力的性能。此外,在修复了一个不幸的错误后,我们更正后的系统将在官方评估指标LAS,MLAS和BLEX上排名第二,第一和第三,并且在所有指标的低资源树库类别上都将大大优于所有提交系统。我们通过广泛的消融研究进一步证明了不同模型组件的有效性。
2019-01-29 cs.CL
Universal Dependencies v2: An Evergrowing Multilingual Treebank Collection
Uppsala University(乌普萨拉大学);The Ohio State University(俄亥俄州立大学);University of Turku(图尔库大学);Charles University in Prague(布拉格查理大学);Stanford University(斯坦福大学);Indiana University(印第安纳大学)
通用树库是一个开放的社区,致力于在基于依赖性的词汇框架内为许多语言创建跨语言一致的树库注释。该注释包括语言动机的分词;包括词元、通用词性标签和标准化形态特征的形态层;以及专注于谓词、参数和修饰语之间的句法关系的句法层。在本文中,我们描述了指南的第2版(UD v2),讨论了从UD v1到UD v2的主要变化,并概述了目前可用的90种语言的树库。
2020-04-22 cs.CL
Statistical Parsing by Machine Learning from a Classical Arabic Treebank
The University of Leeds(利兹大学)
英语统计句法分析的研究已经取得了十多年的成功。然而,将这些模型应用于其他语言遇到了困难。以前的比较工作表明,现代阿拉伯语是最难解析的语言之一,因为它有丰富的词法和自由的词序。古典阿拉伯语是阿拉伯语的古老形式,相对于其作为古兰经语言的全球影响力,在计算语言学中研究不足。本论文是基于七个出版物作出重大贡献的知识有关的注释和解析古典阿拉伯语。这篇论文的一个中心论点是,使用一个混合表示密切配合传统的语法导致改进的阿拉伯语解析。为了验证这一假设,两种方法进行了比较。作为参考,一个纯粹的依赖分析器是适应使用图转换,导致87.47%的F1分数。这是一个综合的解析模型相比,F1得分为89.03%,表明联合依赖选区解析更适合于古典阿拉伯语。
2015-10-25 cs.CL
Dependency Annotation of Ottoman Turkish with Multilingual BERT
Boğaziçi University(博阿济济大学);Medeniyet University(梅德尼耶特大学)
本研究提出基于多语言BERT的迭代标注方法,通过伪标注、人工校正与模型微调加速构建首个奥斯曼土耳其语依存树库,促进该历史语言的自动化分析。
2024-08-22 cs.CL
Low-Resource Parsing with Crosslingual Contextualized Representations
University of Washington(华盛顿大学);Allen Institute for Artificial Intelligence(艾伦人工智能研究所)
尽管在依存句法分析方面取得了进展,但树库较小的语言仍然面临挑战。我们评估最近的方法,多语言的上下文单词表示(CWRs),并比较他们的跨语言迁移从一个大的树库语言与一个小的或不存在的树库,通过共享参数之间的语言在解析器本身。我们在模拟和真正的低资源情况下进行了多种语言选择的实验,并表明多语言CWRs极大地促进了低资源依存句法分析,即使没有跨语言的监督,如字典或并行文本。此外,我们研究了非上下文部分的学习语言模型(我们称之为“解文本探针”),以证明多语种语言模型更好地编码跨语言词汇对应对齐单语语言模型相比。这一分析进一步证明了多语言培训是一种有效的跨语言迁移方法。
2019-09-19 cs.CL
Universal Dependencies for Learner English
CSAIL MIT(麻省理工学院计算机科学与人工智能实验室);EECS & Linguistics MIT(麻省理工学院电气工程与计算机科学系及语言学系);Linguistics MIT(麻省理工学院语言学系);EECS MIT(麻省理工学院电气工程与计算机科学系);MECHE MIT(麻省理工学院机械工程系)
我们介绍了学习者英语树库(TLE),第一个公开可用的句法树库英语作为第二语言(ESL)。TLE为来自剑桥第一英语证书(FCE)语料库的5,124个句子提供手动注释的POS标签和通用依存(UD)树。UD注释与FCE的预先存在的错误注释相关联,从而为每个句子的原始版本和错误校正版本提供完整的句法分析。此外,我们描绘ESL注释准则,允许一致的语法处理不符合语法的英语。最后,我们在TLE数据集上对POS标记和依存句法分析性能进行了基准测试,并测量了语法错误对句法分析准确性的影响。我们设想树库支持广泛的语言学和计算研究第二语言习得以及自动处理不合语法的语言。这个树库可以在universaldependency.org上找到,这个项目中使用的注释手册和一个图形查询引擎可以在esltreebank.org上找到。
2016-06-08 cs.CL
Universal Dependencies Parsing for Colloquial Singaporean English
Singapore University of Technology and Design(新加坡科技设计大学);DSO National Laboratories(新加坡国防科技研究院)
新加坡式英语在语言学上作为基于英语的主要克里奥尔语,在计算上用于区域社交媒体的信息抽取和情感分析,对ACL社区来说都很有趣。我们研究了新加坡英语的依存句法分析,通过在通用依存模式下构建依存树库,然后通过将英语句法知识集成到在新加坡英语树库上训练的最先进的句法分析器中来训练神经网络模型。结果表明,英语知识可以导致25%的相对错误减少,从而在84.47%的准确率分析。据我们所知,我们是第一个使用神经堆栈来改善低资源语言上的跨语言依存句法分析的人。我们使我们的注释和解析器可用于进一步的研究。
2017-05-18 cs.CL
THIVLVC: Retrieval Augmented Dependency Parsing for Latin
Université Paris-Saclay, CNRS, LISN(巴黎-萨克雷大学,法国国家科学研究中心,语言与语音处理实验室);École Normale Supérieure de Lyon, HISOMA(里昂高等师范学院,历史与古代地中海文明研究所)
THIVLVC通过检索相似结构条目并利用大语言模型优化,提升了拉丁语依存解析的CLAS得分,尤其在诗歌部分表现更优。
2026-04-07 cs.CL
The UD-NewsCrawl Treebank: Reflections and Challenges from a Large-scale Tagalog Syntactic Annotation Project
Allen Institute for AI(艾伦人工智能研究所);Charles Darwin University(查尔斯达尔文大学);Department of Linguistics, University of the Philippines Diliman(菲律宾大学达林汉分校语言系);Electrical and Electronics Engineering Institute, University of the Philippines Diliman(菲律宾大学达林汉分校电气与电子工程研究所)
本文介绍UD-NewsCrawl,最大的他加禄语树库,含15.6k棵手工标注树,并评估多种transformer模型基线性能,揭示其句法分析挑战,为低资源语言计算语言学研究提供宝贵资源。
2025-05-26 cs.CL
Enriching the NArabizi Treebank: A Multifaceted Approach to Supporting an Under-Resourced Language
Inria(法国国家信息与自动化研究所)
针对NArabizi标注数据稀缺问题,本文通过添加命名实体识别、冒犯性语言检测标注层及重新标注分词等层增强NArabizi树库,实验验证其价值并公开资源,为该语言的NLP工具开发铺路。
2023-06-26 cs.CL
The Linear Arrangement Library. A new tool for research on syntactic dependency structures
Universitat Politècnica de Catalunya(加泰罗尼亚理工大学)
数量依赖性的新的和不断增长的领域已经出现在依赖性和数量语言学之间的十字路口。句法依存结构的统计模式是这一领域的主要关注点之一。这些结构,在树库中分组,是这些和相关领域的统计分析的来源;多年来设计的数十个分数是一个新行业的工具,用于搜索模式和执行其他类型的分析。过多的此类指标及其日益增加的复杂性要求共享用于执行此类分析的程序的源代码。然而,这些代码并不经常与科学界共享,或者按照未知的标准进行测试。在这里,我们提出了一个新的开源工具,线性排列库(LAL),它迎合了需求,特别是没有经验的程序员。该工具能够在单个语法依赖结构、树库和树库集合上计算这些度量,以易于使用为基础,但具有很大的灵活性。LAL被设计为高效,易于使用(同时满足各级编程专业知识的需求),可靠(由于彻底的测试),并结合来自不同传统,地理区域和研究领域的研究。
2021-12-05 cs.CL cs.DM
AfriSUD: A Dependency Treebank Collection for Evaluating Models on African Languages
Princeton University(普林斯顿大学);Laboratory for Artificial Intelligence, Princeton University(普林斯顿大学人工智能实验室);Gaston Berger University(加斯顿·伯杰大学);Mila, McGill University(麦吉尔大学米拉研究所);Canada CIFAR AI Chair(加拿大CIFAR人工智能教席);Paris Nanterre University(巴黎南泰尔大学);Paris-Saclay University(巴黎-萨克雷大学);CNRS(法国国家科学研究中心);Inria(法国国家信息与自动化研究所);LORIA(洛林计算机科学实验室);Université de Lorraine(洛林大学);University of Trento(特伦托大学);University of Minnesota–Twin Cities(明尼苏达大学双城分校);Imperial College London(伦敦帝国学院);Binghamton University(宾汉姆顿大学);Makerere University(马凯雷雷大学);Penn State University(宾夕法尼亚州立大学);Mbarara University of Science and Technology(姆巴拉拉科技大学);Chalmers University of Technology(查尔姆斯理工大学);University of Ibadan(伊巴丹大学);Nnamdi Azikiwe University(纳姆迪·阿齐基韦大学);South African Centre for Digital Language Resources(南非数字语言资源中心)
为弥补非洲语言在NLP资源上的不足,构建了首个大规模九种非洲语言句法标注树库AfriSUD,评估多种模型发现显著句法差距。
2026-09-02 cs.AI cs.CL
Data-driven Parsing Evaluation for Child-Parent Interactions
Boston College(波士顿学院)
我们提出了一个句法依存树库自然主义儿童和儿童导向的讲话在英语(MacWhinney,2000年)。我们的注释在很大程度上遵循了通用自动化项目(UD(Zeman et al.,2022)),详细扩展到词汇/句法结构独特的会话讲话(在反对书面文本)。与现有的UD风格的口语树库以及其他儿童-父母互动的依赖语料库相比,我们的数据集的大小(大得多)(话语数N = 44,744;单词数N = 233,907),包含来自10个儿童的语音,涵盖了广泛的年龄范围(18-66个月)。有了这个数据集,我们问:(1)为书面语领域量身定制的最先进的依存关系解析器在自发对话中对不同对话者的语音表现如何?(2)句法分析能力与儿童的发展阶段有什么关系?为了解决这些问题,在正在进行的工作中,我们正在使用基于图和基于转换的解析器进行彻底的依赖解析器评估,这些解析器具有不同的超参数化,从三种不同类型的域外书面文本中训练:新闻,推文和学习者数据。
2022-09-28 cs.CL
The DCU-EPFL Enhanced Dependency Parser at the IWPT 2021 Shared Task
Dublin City University(都柏林城市大学);Idiap Research Institute(Idiap 研究所);École Polytechnique Fédérale de Lausanne(洛桑联邦理工学院)
我们描述了DCU-EPFL向IWPT 2021共享任务提交的关于解析为增强的通用解析的报告。该任务涉及解析增强的UD图,它是基本依赖树的扩展,旨在更方便地表示语义结构。评估是在17种语言的29个树库上进行的,要求参与者从原始字符串开始解析每种语言的数据。我们的方法使用Stanza管道来预处理文本文件,XLMRoBERTA来获得上下文化的令牌表示,以及边缘评分和标签模型来预测增强的图形。最后,我们运行一个后处理脚本,以确保我们所有的输出都是有效的增强型UD图。我们的系统在9名参与者中排名第6,粗略的增强标记依恋评分(ELAS)为83.57。我们进行额外的截止日期后的实验,其中包括使用Trankit的预处理,XLM-RoBERTa-LARGE,树库连接,和多任务学习之间的基本和增强的依赖关系解析器。所有这些修改都提高了我们的初始分数,我们最终的系统具有88.04的粗略ELAS。
2021-07-05 cs.CL
SyntaxNet Models for the CoNLL 2017 Shared Task
Carnegie Mellon University(卡内基梅隆大学);Google Inc(谷歌公司)
我们描述了一个用于CoNLL 2017共享任务的基线依存句法分析系统。这个系统,我们称之为“ParseySaurus”,使用DRAGNN框架[Kong et al,2017]将基于transition的循环解析和标记与基于字符的单词表示相结合。在v1.3 Universal Advertisements Treebanks上,新系统在52个树库中以3.47%的绝对标签准确度得分(LAS)超过了公开可用的最先进的“Parsey's Advertising”模型。
2017-03-15 cs.CL
UD-KSL Treebank v1.3: A semi-automated framework for aligning XPOS-extracted units with UPOS tags
Linguistics, University of Oregon(俄勒冈大学语言学系);Linguistics, University of Illinois Chicago(伊利诺伊大学芝加哥分校语言学系);Korean Language and Literature, Konkuk University(Konkuk大学韩国语言文学系);Library and Information Science, Chung-Ang University(成均馆大学图书馆与信息科学系);East Asian Languages and Literatures, Yale University(耶鲁大学东亚语言与文学系)
本研究提出半自动化框架实现XPOS序列结构与UPOS类别的对齐,扩充L2韩语语料库,实验证明对齐数据集可提升标注一致性及形态句法分析、依存解析的准确率,数据有限时效果更突出。
2025-06-11 cs.CL
Automatic Extraction of Subcategorization Frames for Czech
我们提出了一些新的机器学习技术的动词在捷克语中的次范畴化信息的识别。我们比较了三种不同的统计技术应用于这个问题。我们展示了如何使用学习算法从捷克布拉格依赖树库中发现以前未知的子分类框架。然后,该算法可以用来标记捷克语树库中的动词的依存关系作为参数或参数。使用我们的技术,我们能够在看不见的解析文本上实现88%的精度。
2000-09-08 cs.CL
On the Definition of Japanese Word
Graduate School of Informatics, Kyoto University(京都大学信息学研究生院)
通用依存关系(UD)的标注指南规定依存关系标注的基本单位是句法词,但日语中句法词的定义并不明确。在依存句法分析中,UD日语树库采用了短单位词,这与使用短语单位词进行依存句法分析的传统不同。然而,我们认为,他们不是句法词指定的注释准则。虽然我们发现非主流的尝试,语言学定义的日语单词,这样的定义从来没有被应用到语料库注释。我们将讨论采用这些不太熟悉的标准的成本和收益。
2019-06-24 cs.CL