4 个月前

语义角色标注中的跨度选择模型

语义角色标注中的跨度选择模型

摘要

我们提出了一种简单且准确的基于片段的语义角色标注(SRL)模型。该模型直接考虑了所有可能的论元片段,并为每个标签进行评分。在解码阶段,我们贪婪地选择得分较高的标记片段。我们的模型的一个优势在于可以设计并使用片段级别的特征,而这些特征在基于标记的BIO编码方法中难以应用。实验结果表明,我们的集成模型在CoNLL-2005和2012数据集上分别达到了87.4 F1和87.0 F1的最先进水平。

代码仓库

hiroki13/span-based-srl
官方
GitHub 中提及
asadovsky/nn
tf
GitHub 中提及

基准测试

基准方法指标
semantic-role-labeling-on-conll-2005BiLSTM-Span (Ensemble, predicates given)
F1: 88.5
semantic-role-labeling-on-conll-2005BiLSTM-Span
F1: 87.6
semantic-role-labeling-on-ontonotesBiLSTM-Span
F1: 86.2
semantic-role-labeling-on-ontonotesBiLSTM-Span (Ensemble)
F1: 87.0

用 AI 构建 AI

从想法到上线——通过免费 AI 协同编程、开箱即用的环境和市场最优价格的 GPU 加速您的 AI 开发

AI 协同编程
即用型 GPU
最优价格
立即开始

Hyper Newsletters

订阅我们的最新资讯
我们会在北京时间 每周一的上午九点 向您的邮箱投递本周内的最新更新
邮件发送服务由 MailChimp 提供
语义角色标注中的跨度选择模型 | 论文 | HyperAI超神经