依存性構文解析へのハイブリッドアプローチ:ルールとモルフォロジーと深層学習の結合【JST・京大機械翻訳】

OEzates Saziye Betuel; OEzguer Arzucan; Guengor Tunga; OEztuerk Balkiz

プレプリント

J-GLOBAL ID：202202206194867311 整理番号：22P0115234

依存性構文解析へのハイブリッドアプローチ:ルールとモルフォロジーと深層学習の結合【JST・京大機械翻訳】

A Hybrid Approach to Dependency Parsing: Combining Rules and Morphology with Deep Learning

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2020年02月24日プレプリントサーバーでの情報更新日： 2020年02月24日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

完全データ駆動,深層学習ベースモデルは,通常言語独立として設計され,多くの自然言語処理タスクに対して成功していることが示されている。しかし,研究した言語が低資源であり,訓練データ量が不十分であるとき,これらのモデルは自然言語文法ベースの情報の統合から利益を得ることができる。特に,訓練データの限られた量を有する言語に対して,依存構文解析に対する2つのアプローチを提案した。第1の手法は,最先端の深層学習ベースパーザをルールベースアプローチと組み合わせ,第2の手法は,パーザに形態学的情報を組み入れる。ルールベースアプローチでは,ルールにより作られた構文決定を符号化し,深いネットワークへの追加情報として入力単語のベクトル表現と連結する。形態ベースのアプローチは,単語の形態学的構造をパーザネットワークに含めるための異なる方法を提案する。IMST-UDツリーバンク上で実験を行い,その結果により,ルールベース構文解析システムおよび形態学的解析により,ターゲット言語に関する明示的知識の統合が,より正確なアノテーションをもたらし,従って,アタッチメントスコアに関して構文解析性能を増加させることを示した。提案した方法をトルコ用に開発したが,他の言語にも適応できた。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

自然語処理 , 人工知能

, , , , ,

前のページに戻る