TAILIEUCHUNG - Báo cáo khoa học: "Ensemble Methods for Unsupervised WSD"

Combination methods are an effective way of improving system performance. This paper examines the benefits of system combination for unsupervised WSD. We investigate several voting- and arbiterbased combination strategies over a diverse pool of unsupervised WSD systems. Our combination methods rely on predominant senses which are derived automatically from raw text. Experiments using the SemCor and Senseval-3 data sets demonstrate that our ensembles yield significantly better results when compared with state-of-the-art. . | Ensemble Methods for Unsupervised WSD Samuel Brody School of Informatics University of Edinburgh Roberto Navigli Dipartimento di Informatica Universita di Roma La Sapienza navigli@ Mirella Lapata School of Informatics University of Edinburgh mlap@ Abstract Combination methods are an effective way of improving system performance. This paper examines the benefits of system combination for unsupervised WSD. We investigate several voting- and arbiterbased combination strategies over a diverse pool of unsupervised WSD systems. Our combination methods rely on predominant senses which are derived automatically from raw text. Experiments using the SemCor and Senseval-3 data sets demonstrate that our ensembles yield significantly better results when compared with state-of-the-art. 1 Introduction Word sense disambiguation WSD the task of identifying the intended meanings senses of words in context holds promise for many NLP applications requiring broad-coverage language understanding. Examples include summarization question answering and text simplification. Recent studies have also shown that WSD can benefit machine translation Vickrey et al. 2005 and information retrieval Stokoe 2005 . Given the potential of WSD for many NLP tasks much work has focused on the computational treatment of sense ambiguity primarily using data-driven methods. Most accurate WSD systems to date are supervised and rely on the availability of training data . corpus occurrences of ambiguous words marked up with labels indicating the appropriate sense given the context see Mihalcea and Edmonds 2004 and the references therein . A classifier automatically learns disambiguation cues from these hand-labeled examples. Although supervised methods typically achieve better performance than unsupervised alternatives their applicability is limited to those words for which sense labeled data exists and their accuracy is strongly correlated with the amount of .

• Báo cáo khoa học
• Ensemble Methods
• Unsupervised WSD
• Samuel Brody Roberto Navigli Mirella Lapata
• báo cáo khoa học
• mô hình ngôn ngữ
• xử lý ngôn ngữ tự nhiên
• Information sciences
• Ensemble ellipse fitting by spatial median consensus
• Spatial median consensus
• Ellipse fitting
• Khai mở dữ liệu
• Bài giảng Khai mở dữ liệu
• Phương pháp tập hợp mô hình
• Ensemble based methods
• Random forests
• Hiệu quả giải thuật học
• BMC Bioinformatics
• Hierarchical multi label classification
• Hierarchical ensemble methods
• Gene Abnormal phenotype association
• Human Phenotype Ontology term prediction
• Phenotype gene prioritization
• Genome Biology
• Shotgun sequencing
• Meta classification
• Pathogen detection
• trình bày báo cáo
• tài liệu báo cáo khoa học
• báo cáo y học
• kiến thức y học
• nghiên cứu y học
• Structure based drug design
• Structural biology
• Computer aided design
• Synthetic chemistry
• Bài viết nghiên cứu khoa học
• Carbon dioxide
• Activated carbon
• DFT calculations
• DFT D calculations
• Computational methods
• Grand canonical ensemble Monte Carlo
• Bài giảng Xử lý ngôn ngữ tự nhiên
• Ngôn ngữ tự nhiên
• Kỹ thuật lập trình
• Xử lý nhập nhằng ngữ nghĩa
• Xử lý ngữ nghĩa
• Xử lý ngôn ngữ
• Natural Language Processing
• Ngôn ngữ lập trình
• Nhập nhằng cấu trúc
• Tri thức về ngôn ngữ
• Mô hình n gram
• Dịch máy
• Phương pháp dịch máy
• Hiểu ngôn ngữ
• Phân tích ngữ nghĩa
• Phân loại tin tự động
• Biểu diễn vị từ
• Thuộc tính về sự kiện
• Thuộc tính về sự kiện
• Mô hình ngôn ngữ Google Book N grams
• Mô hình ngôn ngữ KenLM
• Phương pháp làm mịn
• Tách từ tiếng Việt
• Gán nhãn từ loại
• Phân tích cú pháp
• Nghĩa từ vựng
• Phân giải nhập nhằng từ
• Phân loại văn bản
• Lexical chain
• Phản hồi thông tin
• Bài toán PTCP
• 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