Kinh doanh - Marketing
Kinh tế quản lý
Biểu mẫu - Văn bản
Tài chính - Ngân hàng
Công nghệ thông tin
Tiếng anh ngoại ngữ
Kĩ thuật công nghệ
Khoa học tự nhiên
Khoa học xã hội
Văn hóa nghệ thuật
Sức khỏe - Y tế
Văn bản luật
Nông Lâm Ngư
Kỹ năng mềm
Luận văn - Báo cáo
Giải trí - Thư giãn
Tài liệu phổ thông
Văn mẫu
Giới thiệu
Đăng ký
Đăng nhập
Tìm
Danh mục
Kinh doanh - Marketing
Kinh tế quản lý
Biểu mẫu - Văn bản
Tài chính - Ngân hàng
Công nghệ thông tin
Tiếng anh ngoại ngữ
Kĩ thuật công nghệ
Khoa học tự nhiên
Khoa học xã hội
Văn hóa nghệ thuật
Y tế sức khỏe
Văn bản luật
Nông lâm ngư
Kĩ năng mềm
Luận văn - Báo cáo
Giải trí - Thư giãn
Tài liệu phổ thông
Văn mẫu
Thông tin
Điều khoản sử dụng
Quy định bảo mật
Quy chế hoạt động
Chính sách bản quyền
Giới thiệu
Đăng ký
Đăng nhập
0
Trang chủ
Luận Văn - Báo Cáo
Báo cáo khoa học
Báo cáo khoa học: "Learning a Compositional Semantic Parser using an Existing Syntactic Parser"
Đang chuẩn bị liên kết để tải về tài liệu:
Báo cáo khoa học: "Learning a Compositional Semantic Parser using an Existing Syntactic Parser"
Ngọc Hiển
68
9
pdf
Đang chuẩn bị nút TẢI XUỐNG, xin hãy chờ
Tải xuống
We present a new approach to learning a semantic parser (a system that maps natural language sentences into logical form). Unlike previous methods, it exploits an existing syntactic parser to produce disambiguated parse trees that drive the compositional semantic interpretation. The resulting system produces improved results on standard corpora on natural language interfaces for database querying and simulated robot control. | Learning a Compositional Semantic Parser using an Existing Syntactic Parser Ruifang Ge Raymond J. Mooney Department of Computer Sciences University of Texas at Austin Austin TX 78712 grf mooney @cs.utexas.edu Abstract We present a new approach to learning a semantic parser a system that maps natural language sentences into logical form . Unlike previous methods it exploits an existing syntactic parser to produce disambiguated parse trees that drive the compositional semantic interpretation. The resulting system produces improved results on standard corpora on natural language interfaces for database querying and simulated robot control. 1 Introduction Semantic parsing is the task of mapping a natural language NL sentence into a completely formal meaning representation MR or logical form. A meaning representation language MRL is a formal unambiguous language that supports automated inference such as first-order predicate logic. This distinguishes it from related tasks such as semantic role labeling SRL Carreras and Marquez 2004 and other forms of shallow semantic analysis that do not produce completely formal representations. A number of systems for automatically learning semantic parsers have been proposed Ge and Mooney 2005 Zettlemoyer and Collins 2005 Wong and Mooney 2007 Lu et al. 2008 . Given a training corpus of NL sentences annotated with their correct MRs these systems induce an interpreter for mapping novel sentences into the given MRL. Previous methods for learning semantic parsers do not utilize an existing syntactic parser that provides disambiguated parse trees.1 However accurate syntactic parsers are available for many 1Ge and Mooney 2005 use training examples with semantically annotated parse trees and Zettlemoyer and Collins 2005 learn a probabilistic semantic parsing model which initially requires a hand-built ambiguous CCG grammar template. a If our player 2 has the ball then position our player 5 in the midfield. bowner player our 2 do player our
TÀI LIỆU LIÊN QUAN
Báo cáo khoa học: "Learning Condensed Feature Representations from Large Unsupervised Data Sets for Supervised Learning"
Báo cáo khoa học: "Learning Better Data Representation using Inference-Driven Metric Learning"
Báo cáo khoa học: "A Combination of Active Learning and Semi-supervised Learning Starting with Positive and Unlabeled Examples for Word Sense Disambiguation: An Empirical Study on Japanese Web Search Query"
B.A Thesis: English major students’ difficulties and expectations in learning written translation at Dong Thap university
Báo cáo đề tài nghiên cứu khoa học cấp trường: Áp dụng mô hình học tập Blended Learning trong giảng dạy học phần Basic IELTS 1 cho sinh viên theo chương trình đào tạo chất lượng cao năm thứ nhất trường Đại học Thương mại
Báo cáo đề tài nghiên cứu khoa học cấp trường: Nâng cao động lực học tiếng Anh cho sinh viên thông qua phương pháp học theo dự án (project-based learning)
Báo cáo đề tài nghiên cứu khoa học cấp trường: Nghiên cứu một số thuật toán học máy (machine learning) ứng dụng cho bài toán xác định các chủ đề quan tâm của khách hàng trực tuyến
Báo cáo khoa học: "Applications of GPC Rules and Character Structures in Games for Learning Chinese Characters"
Báo cáo khoa học: "Learning and Translating by Machines"
Báo cáo khoa học: "Discriminative Learning for Joint Template Filling"
crossorigin="anonymous">
Đã phát hiện trình chặn quảng cáo AdBlock
Trang web này phụ thuộc vào doanh thu từ số lần hiển thị quảng cáo để tồn tại. Vui lòng tắt trình chặn quảng cáo của bạn hoặc tạm dừng tính năng chặn quảng cáo cho trang web này.