TAILIEUCHUNG - Báo cáo khoa học: "Semi-supervised Dependency Parsing using Lexical Affinities"

Treebanks are not large enough to reliably model precise lexical phenomena. This deficiency provokes attachment errors in the parsers trained on such data. We propose in this paper to compute lexical affinities, on large corpora, for specific lexico-syntactic configurations that are hard to disambiguate and introduce the new information in a parser. Experiments on the French Treebank showed a relative decrease of the error rate of Labeled Accuracy Score yielding the best parsing results on this treebank | Semi-supervised Dependency Parsing using Lexical Affinities Seyed Abolghasem Mirroshandel Alexis Nasr Joseph Le Roux 1 .aboratoire d Informatique Fondamentale de Marseille- CNRS - UMR 7279 Universite Aix-Marseille Marseille France 1 .H N Universite Paris Nord CNRS Villetaneuse France Computer Engineering Department Sharif university of Technology Tehran Iran leroux@ Abstract Treebanks are not large enough to reliably model precise lexical phenomena. This deficiency provokes attachment errors in the parsers trained on such data. We propose in this paper to compute lexical affinities on large corpora for specific lexico-syntactic configurations that are hard to disambiguate and introduce the new information in a parser. Experiments on the French Treebank showed a relative decrease of the error rate of Labeled Accuracy Score yielding the best parsing results on this treebank. 1 Introduction Probabilistic parsers are usually trained on treebanks composed of few thousands sentences. While this amount of data seems reasonable for learning syntactic phenomena and to some extent very frequent lexical phenomena involving closed parts of speech POS it proves inadequate when modeling lexical dependencies between open POS such as nouns verbs and adjectives. This fact was first recognized by Bikel 2004 who showed that bilexical dependencies were barely used in Michael Collins parser. The work reported in this paper aims at a better modeling of such phenomena by using a raw corpus that is several orders of magnitude larger than the treebank used for training the parser. The raw corpus is first parsed and the computed lexical affinities between lemmas in specific lexico-syntactic configurations are then injected back in the parser. Two outcomes are expected from this procedure the first 777 is as mentioned above a better modeling of bilexi-cal dependencies and the second is a method to adapt a .

• Báo cáo khoa học
• Semi supervised Dependency Parsing
• Lexical Affinities
• Alexis Nasr
• báo cáo khoa học
• báo cáo ngôn ngữ
• ngôn ngữ tự nhiên
• Bài giảng Xử lý ngôn ngữ tự nhiên
• Xử lý ngôn ngữ tự nhiên
• Kỹ thuật lập trình
• Mô hình ngôn ngữ
• Mô hình n gram
• Dịch máy
• Phương pháp dịch máy
• Hiểu ngôn ngữ
• Phân loại tin tự động
• Tạo chí tin học
• Điều khiển học
• Truy vấn ngôn ngữ tự nhiên
• Phép dịch truy vấn ngôn ngữ tự nhiên
• Truy vấn SQL
• Văn phạm ngữ nghĩa
• Xử lý nhập nhằng ngữ nghĩa
• Xử lý ngữ nghĩa
• Phân tích ngữ nghĩa
• Biểu diễn vị từ
• Thuộc tính về sự kiện
• Thuộc tính về sự kiện
• Xử lý ngôn ngữ
• Natural Language Processing
• Ngôn ngữ lập trình
• Nhập nhằng cấu trúc
• Tri thức về ngôn ngữ
• Mô hình ngôn ngữ Google Book N grams
• Mô hình ngôn ngữ KenLM
• Phương pháp làm mịn
• Bài toán PTCP
• Phân tích cú pháp
• Cấu trúc ngữ pháp
• Phân tích cú pháp xác suất
• CKY kết hợp xác suất
• Văn phạm phi ngữ cảnh xác suất
• Hình thái học
• Gán nhãn từ loại
• Ngôn ngữ tự nhiên trong dịch máy
• Hệ thống dịch máy
• Phương pháp xây dựng bảng từ
• Tác từ
• Conditional random fields
• Nhận dạng thực thể có tên
• Đối tượng vật lý trừu tượng
• Phân lớp văn bản
• Biểu diễn nhị phân
• Ma trận từ văn bản
• Wolfram Alpha
• Trích rút thông tin
• Phương pháp Snowball