TAILIEUCHUNG - Báo cáo khoa học: "Detecting Errors in Automatically-Parsed Dependency Relations"

We outline different methods to detect errors in automatically-parsed dependency corpora, by comparing so-called dependency rules to their representation in the training data and flagging anomalous ones. By comparing each new rule to every relevant rule from training, we can identify parts of parse trees which are likely erroneous. Even the relatively simple methods of comparison we propose show promise for speeding up the annotation process. | Detecting Errors in Automatically-Parsed Dependency Relations Markus Dickinson Indiana University md7@ Abstract We outline different methods to detect errors in automatically-parsed dependency corpora by comparing so-called dependency rules to their representation in the training data and flagging anomalous ones. By comparing each new rule to every relevant rule from training we can identify parts of parse trees which are likely erroneous. Even the relatively simple methods of comparison we propose show promise for speeding up the annotation process. 1 Introduction and Motivation Given the need for high-quality dependency parses in applications such as statistical machine translation Xu et al. 2009 natural language generation Wan et al. 2009 and text summarization evaluation Owczarzak 2009 there is a corresponding need for high-quality dependency annotation for the training and evaluation of dependency parsers Buchholz and Marsi 2006 . Furthermore parsing accuracy degrades unless sufficient amounts of labeled training data from the same domain are available . Gildea 2001 Sekine 1997 and thus we need larger and more varied annotated treebanks covering a wide range of domains. However there is a bottleneck in obtaining annotation due to the need for manual intervention in annotating a treebank. One approach is to develop automatically-parsed corpora van Noord and Bouma 2009 but a natural disadvantage with such data is that it contains parsing errors. Identifying the most problematic parses for human post-processing could combine the benefits of automatic and manual annotation by allowing a human annotator to efficiently correct automatic errors. We thus set out in this paper to detect errors in automatically-parsed data. If annotated corpora are to grow in scale and retain a high quality annotation errors which arise from automatic processing must be minimized as errors have a negative impact on training and evaluation of NLP technology see discussion .

• Báo cáo khoa học
• Detecting Errors
• Automatically Parsed Dependency Relations
• Markus Dickinson Indiana
• báo cáo khoa học
• báo cáo ngôn ngữ
• ngôn ngữ tự nhiên
• A Feedback Augmented Method
• Detecting Errors in the Writing
• Learners of English
• mô hình ngôn ngữ
• xử lý ngôn ngữ tự nhiên
• Discontinuous Structural Annotation
• Markus Dickinson
• Part of Speech Annotation
• scientific reports
• model language
• process natural language
• From detecting errors
• automatically correcting them
• Lecture Wireless networks
• Wireless networks
• Bài giảng Mạng không dây
• Error detecting
• Correcting techniques
• Transmission errors
• Cyclic redundancy check
• Emission and Function
• Volatile Organic
• Compounds in Response
• Abiotic Stress
• Epigenetic Chromatin
• Regulators as Mediators
• Programming languages
• Lecture Programming languages
• Ngôn ngữ lập trình
• Detecting type errors
• Type systems
• Formalizing the clite type system
• Bài giảng Xử lý ngôn ngữ tự nhiên
• Kỹ thuật lập trình
• 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
• 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