TAILIEUCHUNG - Báo cáo khoa học: "Transition-based Dependency Parsing with Rich Non-local Features"

Transition-based dependency parsers generally use heuristic decoding algorithms but can accommodate arbitrarily rich feature representations. In this paper, we show that we can improve the accuracy of such parsers by considering even richer feature sets than those employed in previous systems. In the standard Penn Treebank setup, our novel features improve attachment score form to , giving the best results so far for transitionbased parsing and rivaling the best results overall. For the Chinese Treebank, they give a signficant improvement of the state of the art. . | Transition-based Dependency Parsing with Rich Non-local Features Yue Zhang University of Cambridge Computer Laboratory Joakim Nivre Uppsala University Department of Linguistics and Philology j Abstract Transition-based dependency parsers generally use heuristic decoding algorithms but can accommodate arbitrarily rich feature representations. In this paper we show that we can improve the accuracy of such parsers by considering even richer feature sets than those employed in previous systems. In the standard Penn Treebank setup our novel features improve attachment score form to giving the best results so far for transitionbased parsing and rivaling the best results overall. For the Chinese Treebank they give a signficant improvement of the state of the art. An open source release of our parser is freely available. 1 Introduction Transition-based dependency parsing Yamada and Matsumoto 2003 Nivre et al. 2006b Zhang and Clark 2008 Huang and Sagae 2010 utilize a deterministic shift-reduce process for making structural predictions. Compared to graph-based dependency parsing it typically offers linear time complexity and the comparative freedom to define non-local features as exemplified by the comparison between MaltParser and MSTParser Nivre et al. 2006b McDonald et al. 2005 McDonald and Nivre 2007 . Recent research has addressed two potential disadvantages of systems like MaltParser. In the aspect of decoding beam-search Johansson and Nugues 2007 Zhang and Clark 2008 Huang et al. 2009 and partial dynamic-programming Huang and Sagae 2010 have been applied to improve upon 188 greedy one-best search and positive results were reported. In the aspect of training global structural learning has been used to replace local learning on each decision Zhang and Clark 2008 Huang et al. 2009 although the effect of global learning has not been separated out and studied alone. In this short paper we study a third aspect in a

• Báo cáo khoa học
• Transition based Dependency Parsing
• Rich Non local Features
• Yue Zhang
• 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