TAILIEUCHUNG - Báo cáo khoa học: "Automatic Labeling of Semantic Roles"

We present a system for identifying the semantic relationships, or semantic roles, lled by constituents of a sentence within a semantic frame. Various lexical and syntactic features are derived from parse trees and used to derive statistical classi ers from hand-annotated training data. | Automatic Labeling of Semantic Roles Daniel Gildea University of California Berkeley and International Computer Science Institute Daniel Jurafsky Department of Linguistics University of Colorado Boulder Abstract We present a system for identifying the semantic relationships or semantic roles filled by constituents of a sentence within a semantic frame. Various lexical and syntactic features are derived from parse trees and used to derive statistical classifiers from hand-annotated training data. 1 Introduction Identifying the semantic roles filled by constituents of a sentence can provide a level of shallow semantic analysis useful in solving a number of natural language processing tasks. Semantic roles represent the participants in an action or relationship captured by a semantic frame. For example the frame for one sense of the verb crash includes the roles Agent Vehicle and To-Location. This shallow semantic level of interpretation can be used for many purposes. Current information extraction systems often use domain-specific frame-and-slot templates to extract facts about for example financial news or interesting political events. A shallow semantic level of representation is a more domain-independent robust level of representation. Identifying these roles for example could allow a system to determine that in the sentence The first one crashed the subject is the vehicle but in the sentence The first one crashed it the subject is the agent which would help in information extraction in this domain. Another application is in wordsense disambiguation where the roles associ ated with a word can be cues to its sense. For example Lapata and Brew 1999 and others have shown that the different syntactic sub-catgorization frames of a verb like serve can be used to help disambiguate a particular instance of the word serve . Adding semantic role subcategorization information to this syntactic information could extend this idea to

• Báo cáo khoa học
• Automatic Labeling
• Semantic Roles
• Long Papers
• báo cáo khoa học
• mô hình ngôn ngữ
• xử lý ngôn ngữ tự nhiên
• Speech and language processing
• Natural language processing
• Computational linguistics
• Speech recognition
• Dependency parsing
• Automatic speech recognition
• Semantic role labeling
• 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
• 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