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: "Detecting Verbal Participation in Diathesis Alternations"
Đang chuẩn bị liên kết để tải về tài liệu:
Báo cáo khoa học: "Detecting Verbal Participation in Diathesis Alternations"
Việt Quyết
67
3
pdf
Đang chuẩn bị nút TẢI XUỐNG, xin hãy chờ
Tải xuống
W e present a method for automatically identifying verbal participation in diathesis alternations. Automatically acquired subcategorization frames are compared to a hand-crafted classification for selecting candidate verbs. The m i n i m u m description length principle is then used to produce a model and cost for storing the head noun instances from a training corpus at the relevant argument slots. | Detecting Verbal Participation in Diathesis Alternations Diana McCarthy Anna Korhonen Cognitive Computing Sciences Computer Laboratory University of Sussex University of Cambridge Pembroke Street Brighton BN1 9QH UK Cambridge CB2 3QG UK Abstract We present a method for automatically identifying verbal participation in diathesis alternations. Automatically acquired subcategorization frames are compared to a hand-crafted classification for selecting candidate verbs. The minimum description length principle is then used to produce a model and cost for storing the head noun instances from a training corpus at the relevant argument slots. Alternating subcategorization frames are identified where the data from corresponding argument slots in the respective frames can be combined to produce a cheaper model than that produced if the data is encoded separately.1. 1 Introduction Diathesis alternations are regular variations in the syntactic expressions of verbal arguments for example The boy broke the window The window broke. Levin s 1993 investigation of alternations summarises the research done and demonstrates the utility of alternation information for classifying verbs. Some studies have recently recognised the potential for using diathesis alternations within automatic lexical acquisition Ribas 1995 Korhonen 1997 Briscoe and Carroll 1997 . This paper shows how corpus data can be used to automatically detect which verbs undergo these alternations. Automatic acquisition avoids the costly overheads of a manual approach and allows for the fact that predicate behaviour varies between sublanguages domains and across time. Subcategorization frames scfs are acquired for each verb and 1This work was partially funded by CEC LEI project SPARKLE . We also acknowledge support from UK EPSRC project PSET Practical Simplification of English Text . a hand-crafted classification of diathesis alternations filters potential candidates with the correct SCFS. Models representing the .
TÀI LIỆU LIÊN QUAN
Báo cáo khoa học: "A System for Detecting Subgroups in Online Discussions"
Báo cáo khoa học: "Detecting Semantic Equivalence and Information Disparity in Cross-lingual Documents"
Báo cáo khoa học: "Detecting Errors in Automatically-Parsed Dependency Relations"
Báo cáo khoa học: "Detecting Experiences from Weblogs"
Báo cáo khoa học: "Peeling Back the Layers: Detecting Event Role Fillers in Secondary Contexts"
Báo cáo khoa học: "Detecting Compositionality in Multi-Word Expressions"
Báo cáo khoa học: "A Feedback-Augmented Method for Detecting Errors in the Writing of Learners of English"
Báo cáo khoa học: "Detecting Erroneous Sentences using Automatically Mined Sequential Patterns"
Báo cáo khoa học: "Detecting Semantic Relations between Named Entities in Text Using Contextual Features"
Báo cáo khoa học: "Detecting Errors in Discontinuous Structural Annotation"
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.