TAILIEUCHUNG - Báo cáo khoa học: "Getting the Most out of Transition-based Dependency Parsing"

This paper suggests two ways of improving transition-based, non-projective dependency parsing. First, we add a transition to an existing non-projective parsing algorithm, so it can perform either projective or non-projective parsing as needed. Second, we present a bootstrapping technique that narrows down discrepancies between gold-standard and automatic parses used as features. | Getting the Most out of Transition-based Dependency Parsing Jinho D. Choi Department of Computer Science University of Colorado at Boulder choijd@ Martha Palmer Department of Linguistics University of Colorado at Boulder mpalmer@ Abstract This paper suggests two ways of improving transition-based non-projective dependency parsing. First we add a transition to an existing non-projective parsing algorithm so it can perform either projective or non-projective parsing as needed. Second we present a bootstrapping technique that narrows down discrepancies between gold-standard and automatic parses used as features. The new addition to the algorithm shows a clear advantage in parsing speed. The bootstrapping technique gives a significant improvement to parsing accuracy showing near state-of-the-art performance with respect to other parsing approaches evaluated on the same data set. 1 Introduction Dependency parsing has recently gained considerable interest because it is simple and fast yet provides useful information for many NLP tasks Shen et al. 2008 Councill et al. 2010 . There are two main dependency parsing approaches Nivre and McDonald 2008 . One is a transition-based approach that greedily searches for local optima highest scoring transitions and uses parse history as features to predict the next transition Nivre 2003 . The other is a graph-based approach that searches for a global optimum highest scoring tree from a complete graph in which vertices represent word tokens and edges directed and weighted represent dependency relations McDonald et al. 2005 . Lately the usefulness of the transition-based approach has drawn more attention because it generally performs noticeably faster than the graph-based 687 approach Cer et al. 2010 . The transition-based approach has a worst-case parsing complexity of O n for projective and O n1 2 for non-projective parsing Nivre 2008 . The complexity is lower for projective parsing because it can .

• Báo cáo khoa học
• Getting the Most out
• Transition based Dependency Parsing
• Jinho D
• Choi
• báo cáo khoa học
• báo cáo ngôn ngữ
• ngôn ngữ tự nhiên
• Learning to go
• Learn to run
• Write Web applications
• Getting the Most Out of Node
• js
• Learning Node
• Most Out of Node
• Microsoft® Office Excel 2007
• Getting the Most Out of Ranges
• Building Basic Formulas
• Data with Ta
• Building Loan Formulas
• Building Discount Formulas
• 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