OpenReview · Representation learning· Yoshihide Kato; Shigeki Matsubara·· 2021-01-01精选AI 评分72
一种用于基于跨度的 CCG 解析的新表示
A New Representation for Span-based CCG Parsing
AI 导读
基于摘要分析。本文研究组合范畴语法(CCG)解析中的结构合法性问题,提出一种新的 CCG 推导表示,使基于跨度的解析模型能够避免生成违反 CCG 规则模式的推导。核心贡献是调整解析对象的表示,而非在摘要中提出一种新的解析网络。 传统 CCG 推导表示为树,节点的范畴标签受到 CCG 规则模式的严格约束;而基于跨度的模型独立预测节点标签,两者存在不匹配,可能产生不合法的推导。作者提出将 CCG 推导分解为若干相互独立的部分,并声称该表示可防止基于跨度的解析模型违反规则模式。摘要未说明具体分解方式、表示与原推导之间的转换过程,以及合法性保证的适用条件,这些机制细节尚未验证。 作者报告,在采用所提表示后,一个现成的基于跨度的解析器可取得与此前 CCG 解析器相当的表现。摘要未提供数据集、数据划分、对照解析器、评估指标或数值,因此尚不能判断这一结论的具体适用范围;实验协议、消融及统计信息尚未验证。 本文主要研究对象是自然语言的结构化解析。现有材料未建立其规则约束机制与 EEG/BCI 任务之间的具体对应关系,不据此推断其具有已验证的 BCI 应用价值。
阅读价值
值得关注的是通过改变 CCG 推导的表示来处理独立跨度预测与语法规则约束之间的冲突;作者报告其可配合现成解析器达到与既有 CCG 解析器相当的表现,但具体评估协议尚待核对。
来源:OpenReview · Representation learning · openreview.net