TAILIEUCHUNG - Báo cáo khoa học: "Reranking and Self-Training for Parser Adaptation"

Statistical parsers trained and tested on the Penn Wall Street Journal (WSJ) treebank have shown vast improvements over the last 10 years. Much of this improvement, however, is based upon an ever-increasing number of features to be trained on (typically) the WSJ treebank data. This has led to concern that such parsers may be too finely tuned to this corpus at the expense of portability to other genres. Such worries have merit. The standard “Charniak parser” checks in at a labeled precisionrecall f -measure of on the Penn WSJ test set, but only on the test set. | Reranking and Self-Training for Parser Adaptation David McClosky Eugene Charniak and Mark Johnson Brown Laboratory for Linguistic Information Processing BLLIP Brown University Providence RI 02912 dmcc ec mj @ Abstract Statistical parsers trained and tested on the Penn Wall Street Journal wsj treebank have shown vast improvements over the last 10 years. Much of this improvement however is based upon an ever-increasing number of features to be trained on typically the WSJ treebank data. This has led to concern that such parsers may be too finely tuned to this corpus at the expense of portability to other genres. Such worries have merit. The standard Charniak parser checks in at a labeled precisionrecall f-measure of on the Penn WSJ test set but only on the test set from the Brown treebank corpus. This paper should allay these fears. In particular we show that the reranking parser described in Charniak and Johnson 2005 improves performance of the parser on Brown to . Furthermore use of the self-training techniques described in Mc-Closky et al. 2006 raise this to an error reduction of 28 again without any use of labeled Brown data. This is remarkable since training the parser and reranker on labeled Brown data achieves only . 1 Introduction Modern statistical parsers require treebanks to train their parameters but their performance declines when one parses genres more distant from the training data s domain. Furthermore the treebanks required to train said parsers are expensive and difficult to produce. Naturally one of the goals of statistical parsing is to produce a broad-coverage parser which is relatively insensitive to textual domain. But the lack of corpora has led to a situation where much of the current work on parsing is performed on a single domain using training data from that domain the Wall Street Journal wsj section of the Penn Treebank Marcus et al. 1993 . Given the aforementioned costs it is unlikely that many .

• Báo cáo khoa học
• Reranking and Self Training
• Parser Adaptation
• David McClosky
• báo cáo khoa học
• mô hình ngôn ngữ
• xử lý ngôn ngữ tự nhiên
• 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