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: "Fast Semantic Extraction Using a Novel Neural Network Architecture"
Đang chuẩn bị liên kết để tải về tài liệu:
Báo cáo khoa học: "Fast Semantic Extraction Using a Novel Neural Network Architecture"
Phương Trâm
58
8
pdf
Đang chuẩn bị nút TẢI XUỐNG, xin hãy chờ
Tải xuống
We describe a novel neural network architecture for the problem of semantic role labeling. Many current solutions are complicated, consist of several stages and handbuilt features, and are too slow to be applied as part of real applications that require such semantic labels, partly because of their use of a syntactic parser (Pradhan et al., 2004; Gildea and Jurafsky, 2002). Our method instead learns a direct mapping from source sentence to semantic tags for a given predicate without the aid of a parser or a chunker. . | Fast Semantic Extraction Using a Novel Neural Network Architecture Ronan Collobert NEC Laboratories America Inc. 4 Independence Way Suite 200 Princeton NJ 08540 collober@nec-labs.com Jason Weston NEC Laboratories America Inc. 4 Independence Way Suite 200 Princeton NJ 08540 jasonw@nec-labs.com Abstract We describe a novel neural network architecture for the problem of semantic role labeling. Many current solutions are complicated consist of several stages and hand-built features and are too slow to be applied as part of real applications that require such semantic labels partly because of their use of a syntactic parser Pradhan et al. 2004 Gildea and Jurafsky 2002 . Our method instead learns a direct mapping from source sentence to semantic tags for a given predicate without the aid of a parser or a chunker. Our resulting system obtains accuracies comparable to the current state-of-the-art at a fraction of the computational cost. 1 Introduction Semantic understanding plays an important role in many end-user applications involving text for information extraction web-crawling systems question and answer based systems as well as machine translation summarization and search. Such applications typically have to be computationally cheap to deal with an enormous quantity of data e.g. web-based systems process large numbers of documents whilst interactive human-machine applications require almost instant response. Another issue is the cost of producing labeled training data required for statistical models which is exacerbated when those models also depend on syntactic features which must themselves be learnt. To achieve the goal of semantic understanding the current consensus is to divide and conquer the 560 The company ARG0 bought REL sugar ARG1 on the world market ARGM-LOC to meet export commitments ARGM-PNC Figure 1 Example of Semantic Role Labeling from the PropBank dataset Palmer et al. 2005 . ARG0 is typically an actor REL an action ARG1 an object and ARGM describe .
TÀI LIỆU LIÊN QUAN
Báo cáo khoa học: "Fast and Robust Part-of-Speech Tagging Using Dynamic Model Selection"
Báo cáo khoa học: "Fast and Scalable Decoding with Language Model Look-Ahead for Phrase-based Statistical Machine Translation"
Báo cáo khoa học: "Fast Syntactic Analysis for Statistical Language Modeling via Substructure Sharing and Uptraining"
Báo cáo khoa học: "Fast Online Training with Frequency-Adaptive Learning Rates for Chinese Word Segmentation and New Word Detection"
Báo cáo khoa học: "A Discriminative Hierarchical Model for Fast Coreference at Large Scale"
Báo cáo khoa học: "Fast Online Lexicon Learning for Grounded Language Acquisition"
Báo cáo khoa học: "Temporal information processing of a new language: fast porting with minimal resources"
Báo cáo khoa học: "Jointly optimizing a two-step conditional random field model for machine transliteration and its fast decoding algorithm"
Báo cáo khoa học: "Fast Consensus Decoding over Translation Forests"
Báo cáo khoa học: "A Fast and Accurate Method for Approximate String Search"
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.