A SNoW Based Supertagger with Application to NP Chunking
A SNoW Based Supertagger with Application to NP Chunking
复制标题
基于 SNoW 的超级标记器及其在 NP 分块中的应用
DOI：
10.3115/1075096.1075160
复制
发表时间：
2003
影响因子：
--
通讯作者：
A. Joshi
中科院分区：
文献类型：
--
作者：
Libin Shen;A. Joshi
超标记是将正确的LTAG基本树或正确的超标记分配给输入句子的每个单词的标记过程。在本文中，我们建议使用超级标签，以暴露句法的依赖关系，这是不可用的POS标签。首先，我们提出了一种新的方法，应用稀疏网络的Winnow（SNoW）的顺序模型。然后，我们使用它来构建一个超标记器，使用长距离句法依赖，超标记器达到92.41%的准确率。我们将超标记应用于NP组块。在基于转换的学习（TBL）框架下，NP组块中使用超级标记使F-得分增加了近1%（从92.03%增加到92.95%）。这里描述的附加标注器提供了一种有效的和高效的方式来利用句法信息。
Supertagging is the tagging process of assigning the correct elementary tree of LTAG, or the correct supertag, to each word of an input sentence. In this paper we propose to use supertags to expose syntactic dependencies which are unavailable with POS tags. We first propose a novel method of applying Sparse Network of Winnow (SNoW) to sequential models. Then we use it to construct a supertagger that uses long distance syntactical dependencies, and the supertagger achieves an accuracy of 92.41%. We apply the supertagger to NP chunking. The use of supertags in NP chunking gives rise to almost 1% absolute increase (from 92.03% to 92.95%) in F-score under Transformation Based Learning(TBL) frame. The surpertagger described here provides an effective and efficient way to exploit syntactic information.