依存句法解析《Structured Training for Neural Network Transition-Based Parsing》
Motivation： 基於轉移的依存句法分析方法在保證分析效率的同時也能達到滿意的準確率。和人工構造特徵的方法相比，陳丹琪等人(Chen)使用神經網絡和貪心算法構造了基於轉移的依存句法解析器。其效果雖優於人工方法但仍沒有達到state-of-the-art。因此本論文對Chen提出的模型進行了一些改進，在模型的輸出部分添加了感知機層，同時使用大量的無監督數據，結果取得了最高的準確率。 模型結
相關文章
- 1. Tips for Training Deep Neural Network
- 2. 依存句法解析《an efficient algorithm for projective dependency parsing》
- 3. Training Recurrent Neural Network
- 4. 對依存句法分析的理解
- 5. Deep Biaffine Attention for Neural Dependency Parsing
- 6. CS224N依存句法分析
- 7. CS231N-Lecture6 Training Neural Network part-2
- 8. 成分句法分析 & 依存句法分析 Parsing 知識圖譜
- 9. Lecture 6 Training Neural Network (1)
- 10. Lecture 6 Training Neural Network (2)
- 更多相關文章...
- • XML DOM 解析器 - XML DOM 教程
- • TCP報文格式解析 - TCP/IP教程
- • 三篇文章瞭解 TiDB 技術內幕——說存儲
- • SpringBoot中properties文件不能自動提示解決方法
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. Tips for Training Deep Neural Network
- 2. 依存句法解析《an efficient algorithm for projective dependency parsing》
- 3. Training Recurrent Neural Network
- 4. 對依存句法分析的理解
- 5. Deep Biaffine Attention for Neural Dependency Parsing
- 6. CS224N依存句法分析
- 7. CS231N-Lecture6 Training Neural Network part-2
- 8. 成分句法分析 & 依存句法分析 Parsing 知識圖譜
- 9. Lecture 6 Training Neural Network (1)
- 10. Lecture 6 Training Neural Network (2)