玩手机游戏,享快乐生活!
应用
铂诺理财2.9.3官方下载_最新铂诺理财app免费下载 AToken3.1.0官方下载_最新ATokenapp免费下载 柜猫家居1.0.2官方下载_最新柜猫家居app免费下载 CoinBene2.3.4官方下载_最新CoinBeneapp免费下载 美说1.5.4官方下载_最新美说app免费下载 来这花2.8.0官方下载_最新来这花app免费下载 口袋信用卡1.5.0官方下载_最新口袋信用卡app免费下载 小陪伴1.2.0官方下载_最新小陪伴app免费下载 证照卡包2.0.7官方下载_最新证照卡包app免费下载 觅诺1.8.2官方下载_最新觅诺app免费下载 欢孝-助老员版2.3.4.19官方下载_最新欢孝-助老员版app免费下载 闪银5.1.1官方下载_最新闪银app免费下载 现金贷手机借钱3.2.1官方下载_最新现金贷手机借钱app免费下载 我是球星5.3.6官方下载_最新我是球星app免费下载 铃声剪辑3.8官方下载_最新铃声剪辑app免费下载 超级视力表1.1.7官方下载_最新超级视力表app免费下载 体教联盟4.8.5官方下载_最新体教联盟app免费下载 医护之家2.4.9官方下载_最新医护之家app免费下载 BBIN电子1.0官方下载_最新BBIN电子app免费下载 美付宝4.0.0官方下载_最新美付宝app免费下载 心悦俱乐部4.9.5.31官方下载_最新心悦俱乐部app免费下载 慧眼识图1.17官方下载_最新慧眼识图app免费下载 堆糖7.2.5官方下载_最新堆糖app免费下载 更多
游戏
口袋超萌112.1官方下载_最新口袋超萌app免费下载 阿瓦隆之王5.8.1官方下载_最新阿瓦隆之王app免费下载 奇迹之剑1.2.3.2官方下载_最新奇迹之剑app免费下载 剑雨幽魂1.0.15官方下载_最新剑雨幽魂app免费下载 云梦四时歌1.68.0官方下载_最新云梦四时歌app免费下载 大话西游1.1.183官方下载_最新大话西游app免费下载 诺亚传说5.0.110官方下载_最新诺亚传说app免费下载 捕鱼欢乐季V1.5.95官方下载_最新捕鱼欢乐季app免费下载 放开那三国6.2.9官方下载_最新放开那三国app免费下载 奥特曼联盟之百变超人3.8.0官方下载_最新奥特曼联盟之百变超人app免费下载 叶罗丽公主水晶鞋2.3.0官方下载_最新叶罗丽公主水晶鞋app免费下载 米诺怪兽2:进化4.0.104官方下载_最新米诺怪兽2:进化app免费下载 奥特曼疯狂跑酷1.5.0官方下载_最新奥特曼疯狂跑酷app免费下载 铠甲勇士4之捕将5.6.0官方下载_最新铠甲勇士4之捕将app免费下载 全民捕鱼季1.0官方下载_最新全民捕鱼季app免费下载 废土行动2.10.1官方下载_最新废土行动app免费下载 菲狐倚天情缘1.0.0官方下载_最新菲狐倚天情缘app免费下载 一统天下10.1.8官方下载_最新一统天下app免费下载 神之物语1.0.16官方下载_最新神之物语app免费下载 天仙月1.0.3.3官方下载_最新天仙月app免费下载 天龙八部1.50.2.2官方下载_最新天龙八部app免费下载 口水三国(网游)1.6.0官方下载_最新口水三国(网游)app免费下载 剑与轮回-红包雨2.6.2官方下载_最新剑与轮回-红包雨app免费下载 更多
资讯
广东海关一季度查扣侵权货品逾1300万件 湖南一男人争夺公交车方向盘致车辆失控被判刑 一男人骑车遇查看强行冲岗 交警被拖行10余米 揭圈养大熊猫繁衍野化:从“两情相悦”到回归自然 2018年粤港澳大湾区邮轮旅客出入境招待量到达257万人次 抢红包软件罗列“三宗罪” “红包神器”被用来赌博 深圳彩民连中双色球一等奖 4天收成逾2000万元 姑娘,你尽力的姿态真美! 哈铁“五一”小长假开行最美赏花专列 甘肃永靖遭暴雨冰雹劲风灾祸 16人因冰雹砸落受轻微伤 奔跑吧,少年! 人大劳人院与贵大管院签署对口援助协作协议 男人在三亚酒店连杀三女 法院开庭审理曝光案情 甘肃警方首季冲击“食药环”违法犯罪涉案3.3亿 医生拒接诊插队患者被差人带走?我国医生协会发声明 广河高速致19死交通事故责任人被准予强制罚款700多万元 山西志愿者与学生组成“家庭”:你的生长与我有关 山西部分地区气温跌至个位数 多地飞雪 湖北武汉: 16个邮包中“LV、YSL”商标都是假的 假造儿子失踪引全城搜救 “失联男孩母亲”案将开庭 湖北安陆自来水变绿色 官方:估计27日全面康复供水 佛山新生儿感染致死 专家:单发的院感事情不可避免 南京一高校被打砸 系社会清闲人员和被开除学生鼓动 更多
联系我们
版权说明
当前位置: 首页 > 资讯 > 科技

云从科技联手上海交大提出端到端一致语义人物标示

来源:第七纬度下载吧 发布时间:2019-02-19 14:30:17 点击数:

跟着自然言语处理 (NLP , Natural Language Processing) 的开展,以及在言语信息处理与人工智能范畴的方位益发重要。作为自然言语处理的一项根底性使命,语义人物标示(SRL,Semantic Role Labeling)逐步成为研讨的要点。本文介绍了来自上海交通大学与云从科技联合立异实验室的 AAAI 2019 论文。本届大会共收到 7700 余篇有用投稿,其间 7095 篇论文进入评定环节,终究有 1150 篇论文被选用,录取率为近年最低仅为 16.2%。

论文:Dependency or Span, End-to-End Uniform Semantic Role Labeling 

论文地址:http://bcmi.sjtu.edu.cn/~zhaohai/pubs/aaai2019-UniSRL-1113-2.pdf

语义人物标示(SRL)旨在发现语句的谓词-论元结构。它以语句的谓词为中心,剖析语句中各成分与谓词之间的联系,即语句的谓词(Predicate)- 论元(Argument)结构。谓词是对主语的陈说或阐明,指出「做什么」、「是什么」或「怎么样,代表了一个事情的中心,跟谓词调配的名词称为论元。语义人物是指论元在动词所指事情中担任的人物。主要有:施事者(Agent)、受事者(Patient)、客体(Theme)、经历者(Experiencer)、受益者(Beneficiary)、东西(Instrument)、场所(Location)、方针(Goal)和来历(Source)等。

例如:「小明昨天晚上在公园遇到了小红。」

「遇到」是语句的谓词,「小明」是谓词的发起者,人物为「施事者」,「小红」是谓词的承受者,人物是「受事者」,「公园」是谓词的发作地址,据说是「场所」等。

作为自然言语处理的一项根底性使命,语义人物标示能供给上层使用的非常重要的语义信息。例如在阅览了解使用中,把语义人物标示作为输入的一部分,能够协助阅览了解使用愈加精确断定各部分的语义人物,然后进步阅览了解的精确性。

比方:「小明打了小华」和「小华被小明打了」,这两句话语义完全共同,但因为被动语态引起的主语和宾语方位上的改变,当发问「谁挨打了?」时,阅览了解算法在处理这两句时,有可能会给出不同的答案。但假如咱们把语义人物标示也作为阅览了解的输入信息,因为两句话中「小华」都是「受事者」人物,问题也是在问「受事者」是谁,这时阅览了解算法往往比较简单给出共同精确的答案。

清晰了一个语句中各个成分的语义人物,能够更好的协助自然言语的了解和处理。比方在「信息提取」使命中,精确的提取出动作的宣布者信息;在「阅览问答」中给出事情发作的时刻、地址等。因而,语义人物标示时许多自然言语了解与处理使命的根底,关于完成自然言语处理含义非常重要。

传统的语义人物标示是建立在句法剖析的根底上的,但因为构建精确的语法树比较困难,根据此办法的语义人物标示精确率并不高,因而,近年来无句法输入的端到端语义人物标示模型受到了广泛的重视。这些模型算法,依据对论元的表明不同,又划分为根据区间(span)和根据依存(dependency)两类办法,不同办法的模型只能在对应的论元表明方式上进行优化,不能扩展、使用到另一种论元表明上。 

图 1:Span 与 Dependency 一致语义人物标示架构。

咱们的论文则经过提出一个一致的谓词与论元表明层,完成了将论元表明方式的一致(拜见上图中的 Predicate&Argument Representation 层),因而,该模型能够承受不同论元表明方式的数据集进行练习。

此外,咱们的模型经过对谓词、论元评分,以及谓词和论元的一个双仿射改换,一起完成了对谓词的辨认、以及谓词与论元的联合猜测(拜见上图中 Biaffine Scorer 层)。咱们的单一模型在 CoNLL 2005、2012(根据 Span 的数据集)和 CoNLL 2008、2009(根据 Dependency 的数据集)SRL 基准数据集上,无论是在自主辨认谓词、仍是在给定谓词的情况下,比较于学术上现在已知的算法,都取得了较抢先的成果,尤其是在 span 数据集、给定谓词的情况下,咱们的单一模型甚至在一切指标上抢先于已知的 Ensemble 模型。成果可拜见表二、三、四、五。

图 2:端到端设置下谓词与论元联合猜测 Span 成果。

图 3:端到端设置下谓词与论元联合猜测 Dependency 成果。

图 4:给定谓词情况下只猜测论元 Span 成果。 

图 5:给定谓词情况下只猜测论元 Dependency 成果。

  1. 本文报告了第一个在 span 和 Dependency 两种方式的语义人物标示的规范树库上一起取得最高精度的体系;

  2. 本文初次把现在最为有用的三大建模和机器学习要素集成到一个体系内,包含 span 挑选模型、双仿射(biaffine)注意力机制以及预练习言语模型ELMo);

  3. 本文初次针对依存方式的语义人物标示报告了超越 90% 的 F 值的里程碑精度。

应用 | 游戏 | 资讯 | 联系我们 | 版权说明 |

浙公网安备 33060202000544号
Copyright©第七纬度下载吧 All Rights Reserved.