TAILIEUCHUNG - Báo cáo khoa học: "Exploiting Web-Derived Selectional Preference to Improve Statistical Dependency Parsing"

In this paper, we present a novel approach which incorporates the web-derived selectional preferences to improve statistical dependency parsing. Conventional selectional preference learning methods have usually focused on word-to-class relations, ., a verb selects as its subject a given nominal class. | Exploiting Web-Derived Selectional Preference to Improve Statistical Dependency Parsing Guangyou Zhou Jun Zhao Kang Liu and Li Cai National Laboratory of Pattern Recognition Institute of Automation Chinese Academy of Sciences 95 Zhongguancun East Road Beijing 100190 China gyzhou jzhao kliu lcai @ Abstract In this paper we present a novel approach which incorporates the web-derived selec-tional preferences to improve statistical dependency parsing. Conventional selectional preference learning methods have usually focused on word-to-class relations . a verb selects as its subject a given nominal class. This paper extends previous work to word-to-word selectional preferences by using webscale data. Experiments show that web-scale data improves statistical dependency parsing particularly for long dependency relationships. There is no data like more data performance improves log-linearly with the number of parameters unique N-grams . More importantly when operating on new domains we show that using web-derived selectional preferences is essential for achieving robust performance. 1 Introduction Dependency parsing is the task of building dependency links between words in a sentence which has recently gained a wide interest in the natural language processing community. With the availability of large-scale annotated corpora such as Penn Treebank Marcus et al. 1993 it is easy to train a high-performance dependency parser using supervised learning methods. However current state-of-the-art statistical dependency parsers McDonald et al. 2005 McDonald and Pereira 2006 Hall et al. 2006 tend to have Correspondence author jzhao@ 1556 lower accuracies for longer dependencies McDonald and Nivre 2007 . The length of a dependency from word wi to word Wj is simply equal to I i j I. Longer dependencies typically represent the modifier of the root or the main verb internal dependencies of longer NPs or PP-attachment in a sentence. Figure 1 shows the Fl score1

• Báo cáo khoa học
• Exploiting Web Derived Selectional Preference
• Improve Statistical Dependency Parsing
• Guangyou Zhou
• 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