TAILIEUCHUNG - Báo cáo khoa học: "Towards Open-Domain Semantic Role Labeling"

Current Semantic Role Labeling technologies are based on inductive algorithms trained over large scale repositories of annotated examples. Frame-based systems currently make use of the FrameNet database but fail to show suitable generalization capabilities in out-of-domain scenarios. In this paper, a state-of-art system for frame-based SRL is extended through the encapsulation of a distributional model of semantic similarity. The resulting argument classification model promotes a simpler feature space that limits the potential overfitting effects | Towards Open-Domain Semantic Role Labeling Danilo Croce Cristina Giannone Paolo Annesi Roberto Basili croce giannone annesi basili @ Department of Computer Science Systems and Production University of Roma Tor Vergata Abstract Current Semantic Role Labeling technologies are based on inductive algorithms trained over large scale repositories of annotated examples. Frame-based systems currently make use of the FrameNet database but fail to show suitable generalization capabilities in out-of-domain scenarios. In this paper a state-of-art system for frame-based SRL is extended through the encapsulation of a distributional model of semantic similarity. The resulting argument classification model promotes a simpler feature space that limits the potential overfitting effects. The large scale empirical study here discussed confirms that state-of-art accuracy can be obtained for out-of-domain evaluations. 1 Introduction The availability of large scale semantic lexicons such as FrameNet Baker et al. 1998 allowed the adoption of a wide family of learning paradigms in the automation of semantic parsing. Building upon the so called frame semantic model Fillmore 1985 the Berkeley FrameNet project has developed a semantic lexicon for the core vocabulary of English since 1997. A frame is evoked in texts through the occurrence of its lexical units LU . predicate words such verbs nouns or adjectives and specifies the participants and properties of the situation it describes the so called frame elements FEs . Semantic Role Labeling SRL is the task of automatic recognition of individual predicates together with their major roles . frame elements as they are grammatically realized in input sentences. It has been a popular task since the availability of the PropBank and FrameNet annotated corpora Palmer et al. 2005 the seminal work of Gildea and Jurafsky 2002 and the successful CoNLL evaluation campaigns Carreras and Marquez 2005 . Statistical machine learning .

• Báo cáo khoa học
• Towards Open Domain Semantic Role Labeling
• Danilo Croce
• Cristina Giannone
• 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