摘要

本文描述了我们提交至CoNLL 2018共享任务“从原始文本到通用依存关系的多语言解析”中的系统（HIT-SCIR）。我们的提交基于斯坦福大学在CoNLL 2017共享任务中的获奖系统，并进行了两项有效的扩展：1）将深度上下文化的词嵌入（deep contextualized word embeddings）整合到词性标注器和解析器中；2）组合使用不同初始化训练的解析器。此外，我们还探讨了不同的树库连接方法以进一步提升性能。开发数据上的实验结果表明了我们方法的有效性。最终评估结果显示，我们的系统根据标签附着准确率（LAS）排名首位（75.84%），并且大幅领先其他系统。