摘要

我们研究了使用通用依存关系（Universal Dependencies, UD）分析推文的问题。为了涵盖影响分词、词性标注和带标签依存关系的推文中的特殊结构，我们扩展了UD指南。利用这些扩展的指南，我们创建了一个新的英语推文树库（Tweebank v2），其规模是Kong等人（2014年）引入的（未标注）Tweebank v1的四倍。我们描述了注释者之间的分歧，并指出由于对推文的理解和解释存在模糊性，提供一致的注释具有挑战性。尽管如此，借助新的树库，我们构建了一个管道系统，用于将原始推文解析为UD格式。为了在不牺牲计算效率的前提下克服注释噪声问题，我们提出了一种新方法，将20个基于转移的解析器集成到一个单一解析器中。我们的解析器在标记附加准确率（Labeled Attachment Score, LAS）上比未集成的基线模型提高了2.2个百分点，并且在准确性和速度方面均优于其他树库上的最先进解析器。