典型文献
基于联合学习的成分句法与AMR语义分析方法
文献摘要：
抽象语义表示(Abstract Meaning Representation,AMR)解析任务是从给定的文本中抽象出句子的语义特征,成分句法分析(Constituency Parsing)任务则探寻句子中的层次逻辑结构.由于AM R解析和成分句法分析之间存在着很强的互补性,抽象语义需要把握文本的句法结构,而句法分析可以通过理解句子中的语义信息来避免歧义,因此该文提出了一种联合训练方法用于捕获两个任务之间的内部联系从而提升各自任务的性能.此外,为了解决两个任务由于数据量过少造成的数据依赖问题,该文利用外部语料获得大规模自动标注AMR图以及自动标注句法树,并基于上述联合学习方法,采用预训练+微调的半监督学习方法进行训练.实验结果表明,该方法可以有效提高模型的性能,其中AMR解析任务在AMR 2.0上提升了8.73个F1值,句法分析在PTB上获得了6.36个F1值的提升.
文献关键词：
AMR解析;成分句法分析;联合学习
中图分类号：
作者姓名：
黄子怡;李军辉;贡正仙
作者机构：
苏州大学计算机科学与技术学院,江苏苏州215006
文献出处：
引用格式：
[1]黄子怡;李军辉;贡正仙-.基于联合学习的成分句法与AMR语义分析方法)[J].中文信息学报,2022(07):13-23
A类：
成分句法,成分句法分析,Constituency,外部语料
B类：
联合学习,AMR,语义分析,抽象语义表示,Abstract,Meaning,Representation,句子,语义特征,Parsing,逻辑结构,互补性,句法结构,语义信息,歧义,联合训练,训练方法,内部联系,自任,数据量,数据依赖,自动标注,句法树,预训练,微调,半监督学习,PTB
AB值：
0.305596
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
