4 个月前

错误多样性的重要性:一种抗误差的无监督依存句法分析集成方法

错误多样性的重要性:一种抗误差的无监督依存句法分析集成方法

摘要

我们通过事后聚合现有多种模型的输出依存句法结构来解决无监督依存句法分析问题。我们观察到,这些集成模型通常由于错误累积而对较弱的集成组件具有较低的鲁棒性。为了解决这一问题,我们提出了一种高效的集成选择方法,该方法考虑了错误多样性并避免了错误累积。实验结果表明,我们的方法不仅优于每个单独的模型,也优于以往的集成技术。此外,我们的实验还显示,所提出的集成选择方法显著提高了集成模型的性能和鲁棒性,超越了之前未考虑错误多样性的策略。

代码仓库

manga-uofa/ed4udp
官方
GitHub 中提及

基准测试

基准方法指标
unsupervised-dependency-parsing-on-pennEnsemble (selected w/ society entropy)
UAS: 67.3

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
错误多样性的重要性:一种抗误差的无监督依存句法分析集成方法 | 论文 | HyperAI超神经