TAILIEUCHUNG - Báo cáo khoa học: "Data point selection for cross-language adaptation of dependency parsers"

We consider a very simple, yet effective, approach to cross language adaptation of dependency parsers. We first remove lexical items from the treebanks and map part-of-speech tags into a common tagset. We then train a language model on tag sequences in otherwise unlabeled target data and rank labeled source data by perplexity per word of tag sequences from less similar to most similar to the target. We then train our target language parser on the most similar data points in the source labeled data. . | Data point selection for cross-language adaptation of dependency parsers Anders Sngaard Center for Language Technology University of Copenhagen Njalsgade 142 DK-2300 Copenhagen S soegaard@ Abstract We consider a very simple yet effective approach to cross language adaptation of dependency parsers. We first remove lexical items from the treebanks and map part-of-speech tags into a common tagset. We then train a language model on tag sequences in otherwise unlabeled target data and rank labeled source data by perplexity per word of tag sequences from less similar to most similar to the target. We then train our target language parser on the most similar data points in the source labeled data. The strategy achieves much better results than a non-adapted baseline and state-of-the-art unsupervised dependency parsing and results are comparable to more complex projection-based cross language adaptation algorithms. 1 Introduction While unsupervised dependency parsing has seen rapid progress in recent years results are still far from the results that can be achieved with supervised parsers and not yet good enough to solve real-world problems. In this paper we will be interested in an alternative strategy namely cross-language adaptation of dependency parsers. The idea is briefly put to learn how to parse Arabic for example from say a Danish treebank comparing unlabeled data from both languages. This is similar to but more difficult than most domain adaptation or transfer learning scenarios where differences between source and target distributions are smaller. Most previous work in cross-language adaptation has used parallel corpora to project dependency 682 structures across translations using word alignments Smith and Eisner 2009 Spreyer and Kuhn 2009 Ganchev et al. 2009 but in this paper we show that similar results can be achieved by much simpler means. Specifically we build on the cross-language adaptation algorithm for closely related languages developed by .

• Báo cáo khoa học
• Data point selection
• cross language adaptation
• dependency parsers
• báo cáo khoa học
• báo cáo ngôn ngữ
• ngôn ngữ tự nhiên
• Báo cáo sinh học hay
• cách trình bày báo cáo
• báo cáo sinh học
• công trình nghiên cứu sinh học
• tài liệu về sinh học
• BMC Bioinformatics
• Cancer classification
• Floating point arithmetic
• Fitness function
• Several individuals
• 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