Dependency grammar induction with neural lexicalization and big training data
2017
会议录名称2017 CONFERENCE ON EMPIRICAL METHODS IN NATURAL LANGUAGE PROCESSING, EMNLP 2017
页码1683-1688
发表状态已发表
摘要We study the impact of big models (in terms of the degree of lexicalization) and big data (in terms of the training corpus size) on dependency grammar induction. We experimented with L-DMV, a lexicalized version of Dependency Model with Valence (Klein and Manning, 2004) and L-NDMV, our lexicalized extension of the Neural Dependency Model with Valence (Jiang et al., 2016). We find that L-DMV only benefits from very small degrees of lexicalization and moderate sizes of training corpora. L-NDMV can benefit from big training data and lexicalization of greater degrees, especially when enhanced with good model initialization, and it achieves a result that is competitive with the current state-of-the-art.
© 2017 Association for Computational Linguistics.
会议地点Copenhagen, Denmark
收录类别EI
资助项目National Natural Science Foundation of China[61503248]
出版者Association for Computational Linguistics (ACL)
EI入藏号20194207538744
EI主题词Computational grammars ; Linguistics
EI分类号Computer Theory, Includes Formal Logic, Automata Theory, Switching Theory, Programming Theory:721.1 ; Data Processing and Image Processing:723.2
原始文献类型Conference article (CA)
文献类型会议论文
条目标识符https://kms.shanghaitech.edu.cn/handle/2MSLDSTB/29237
专题信息科学与技术学院_博士生
信息科学与技术学院_PI研究组_屠可伟组
作者单位
School of Information Science and Technology, ShanghaiTech University, Shanghai, China
第一作者单位信息科学与技术学院
第一作者的第一单位信息科学与技术学院
推荐引用方式
GB/T 7714
Han, Wenjuan,Jiang, Yong,Tu, Kewei. Dependency grammar induction with neural lexicalization and big training data[C]:Association for Computational Linguistics (ACL),2017:1683-1688.
条目包含的文件 下载所有文件
文件名称/大小 文献类型 版本类型 开放类型 使用许可
个性服务
查看访问统计
谷歌学术
谷歌学术中相似的文章
[Han, Wenjuan]的文章
[Jiang, Yong]的文章
[Tu, Kewei]的文章
百度学术
百度学术中相似的文章
[Han, Wenjuan]的文章
[Jiang, Yong]的文章
[Tu, Kewei]的文章
必应学术
必应学术中相似的文章
[Han, Wenjuan]的文章
[Jiang, Yong]的文章
[Tu, Kewei]的文章
相关权益政策
暂无数据
收藏/分享
文件名: 10.18653@v1@D17-1176.pdf
格式: Adobe PDF
文件名: 10.18653@v1@D17-1176.pdf
格式: Adobe PDF
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。