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: "Using Generation for Grammar Analysis and Error Detection"
Đang chuẩn bị liên kết để tải về tài liệu:
Báo cáo khoa học: "Using Generation for Grammar Analysis and Error Detection"
Thanh Tuyền
47
4
pdf
Đang chuẩn bị nút TẢI XUỐNG, xin hãy chờ
Tải xuống
We demonstrate that the bidirectionality of deep grammars, allowing them to generate as well as parse sentences, can be used to automatically and effectively identify errors in the grammars. The system is tested on two implemented HPSG grammars: Jacy for Japanese, and the ERG for English. Using this system, we were able to increase generation coverage in Jacy by 18% (45% to 63%) with only four weeks of grammar development. | Using Generation for Grammar Analysis and Error Detection Michael Wayne Goodman University of Washington Dept. of Linguistics Box 354340 Seattle Wa 98195 USA goodmami@u.washington.edu Francis Bond NICT Language Infrastructure Group 3-5 Hikaridai Seika-cho Soraku-gun Kyoto 619-0289 Japan bond@ieee.org Abstract We demonstrate that the bidirectionality of deep grammars allowing them to generate as well as parse sentences can be used to automatically and effectively identify errors in the grammars. The system is tested on two implemented HPSG grammars Jacy for Japanese and the ERG for English. Using this system we were able to increase generation coverage in Jacy by 18 45 to 63 with only four weeks of grammar development. 1 Introduction Linguistically motivated analysis of text provides much useful information for subsequent processing. However this is generally at the cost of reduced coverage due both to the difficulty of providing analyses for all phenomena and the complexity of implementing these analyses. In this paper we present a method of identifying problems in a deep grammar by exploiting the fact that it can be used for both parsing interpreting text into semantics and generation realizing semantics as text . Since both parsing and generation use the same grammar their performance is closely related in general improving the performance or cover of one direction will also improve the other. Flickinger 2008 The central idea is that we test the grammar on a full round trip parsing text to its semantic representation and then generating from it. In general any sentence where we cannot reproduce the original or where the generated sentence significantly differs from the original identifies a flaw in the grammar and with enough examples we can pinpoint the grammar rules causing these problems. We call our system Egad which stands for Erroneous Generation Analysis and Detection. This research was carried out while visiting NICT. 2 Background This work was inspired .
TÀI LIỆU LIÊN QUAN
Báo cáo khoa học: "Bilingual Lexicon Generation Using Non-Aligned Signatures"
Báo cáo khoa học: "Using Generation for Grammar Analysis and Error Detection"
Báo cáo khoa học: "Phrase-based Statistical Language Generation using Graphical Models and Active Learning"
Báo cáo khoa học: "Automatic Headline Generation using Character Cross-Correlation"
Báo cáo khoa học: "Sentence Diagram Generation Using Dependency Parsing Elijah Mayfield Division of Science and Mathematics "
Báo cáo khoa học: "Automatic Generation of Information-seeking Questions Using Concept Clusters"
Báo cáo khoa học: "Stochastic Language Generation Using WIDL-expressions and its Application in Machine Translation and Summarization"
Báo cáo khoa học: "Robust PCFG-Based Generation using Automatically Acquired LFG Approximations"
Báo cáo khoa học: "Discourse Generation Using Utility-Trained Coherence Models"
Báo cáo khoa học: "Flexible Guidance Generation using User Model in Spoken Dialogue Systems"
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.