摘要
虽然句法依存注释侧重于句子的表层或功能结构，但语义依存注释旨在捕捉与句子意义更为密切相关的词语间关系，使用图结构表示法来实现这一目标。我们扩展了Dozat和Manning（2017）基于LSTM的句法分析器，以训练并生成这些图结构。该系统独立运行时即可达到最先进的性能，其标记F1得分比之前的复杂得多的最先进系统高出0.6%。通过增加语言学上更丰富的输入表示，这一优势进一步扩大，使我们的系统在标记F1得分上领先1.9%。
代码仓库
https://gitlab.com/ucdavisnlp/dialog-parsing
tf
GitHub 中提及
yzhangcs/parser
pytorch
tdozat/Parser-v3
tf
GitHub 中提及
基准测试
| 基准 | 方法 | 指标 |
|---|---|---|
| semantic-dependency-parsing-on-dm | Dozat et al. (2018) | In-domain: 93.7 Out-of-domain: 88.9 |
| semantic-dependency-parsing-on-pas | Dozat et al. (2018) | In-domain: 93.9 Out-of-domain: 90.6 |
| semantic-dependency-parsing-on-psd | Dozat et al. (2018) | In-domain: 81.0 Out-of-domain: 79.4 |