@正在进行{liu-etal-2021-词汇,title=“词汇语义识别”,author=“Liu、Nelson F.和赫什科维奇、丹尼尔和Kranzlein、Michael和内森·施耐德”,editor=“库克、保罗和米特罗维、杰莉娜和Escart{'\i}n、Carla Parra和Vaidya、Ashwini和奥塞诺娃、佩蒂亚和塔斯利米波尔、湿婆和Carlos Ramisch“,booktitle=“第17届多词表达研讨会论文集(MWE 2021)”,月=八月,年=“2021”,address=“在线”,publisher=“计算语言学协会”,url=“https://aclantology.org/2021.mwe-1.6”,doi=“10.18653/v1/2021.mwe-1.6”,pages=“49-56”,抽象=“在词汇语义学中,各种现象的完整句子分割和段标记通常被分开处理,尽管它们是相互依存的。我们假设统一的词汇语义识别任务是封装以前不同风格注释的有效方法,包括多词表达式识别/cl分类和超义标记。使用STREUSLE语料库,我们训练了一个神经CRF序列标记器,并评估了它在各个注释轴上的性能。由于标签集概括了以前的任务(PARSEME、DiMSUM),我们还评估了模型对这些测试集的概括程度,发现尽管只对STREUSLE进行了培训,但它接近或超过了现有模型。我们的工作还为词汇语义的集成和准确建模建立了基线模型和评估指标,为这一领域的未来工作提供了便利。",}
<?xml version=“1.0”encoding=“UTF-8”?><modsCollection xmlns=“http://www.loc.gov/mods/v3"><mods ID=“liu-etal-2021-lexical”><标题信息><title>词汇语义识别</titleInfo><name type=“个人”>纳尔逊F</namePart>刘<角色>作者</角色></name><name type=“个人”>丹尼尔赫什科维奇<角色>作者</角色></name><name type=“个人”>迈克尔克兰兹林<角色>作者</角色></name><name type=“个人”>Nathan施耐德<namePart type=“family”><角色>作者</角色></name><originInfo><发布日期>2021-08</发布日期></originInfo><typeOfResource>文本<relatedItem type=“主机”><标题信息><title>第17届多词表达研讨会论文集(MWE 2021)</title></titleInfo><name type=“个人”>保罗</namePart>厨师<角色>编辑器</角色></name><name type=“个人”>杰琳娜Mitrović<角色>编辑器</角色></name><name type=“个人”>卡拉帕拉<namePart type=“given”>ParraEscartín<角色>编辑器</角色></name><name type=“个人”>阿什维尼维迪娅<角色>编辑器</角色></name><name type=“个人”><namePart type=“given”>Petya</namePart>奥塞诺娃<角色>编辑器</角色></name><name type=“个人”>湿婆星塔斯利米波尔<角色>编辑器</角色></name><name type=“个人”>卡洛斯拉米什<角色>编辑器</角色></name><originInfo>计算语言学协会<位置>在线</placeTerm></place></originInfo>会议出版物</relatedItem>在词汇语义学中,各种现象的完整句子切分和段标记通常被分开处理,尽管它们是相互依存的。我们假设,统一的词汇语义识别任务是封装以前不同风格注释的有效方法,包括多词表达式识别/分类和超义标记。使用STREUSLE语料库,我们训练了一个神经CRF序列标记器,并评估了它在各个注释轴上的性能。由于标签集概括了以前的任务(PARSEME、DiMSUM),我们还评估了模型对这些测试集的概括程度,发现尽管只对STREUSLE进行了培训,但它接近或超过了现有模型。我们的工作还为词汇语义的集成和准确建模建立了基线模型和评估指标,为这一领域的未来工作提供了便利</摘要>liu-etal-2021-词汇10.18653/v1/2021.mwe-1.6<位置><网址>https://aclantology.org/2021.mwe-1.6</url></位置><部分>2021-08年<扩展单元=“page”><开始>49</开始><end>56</范围></部分></mods></modsCollection>
%0会议记录%T词汇语义识别%A Liu,Nelson F。%丹尼尔·赫什科维奇%A Kranzlein,迈克尔%内森·施耐德%保罗·Y·库克%耶利纳·Y Mitrović%卡拉·帕拉·Y Escartín%Y Vaidya,阿什维尼%佩蒂亚·奥塞诺娃%Y Taslimipoor,湿婆%卡洛斯·拉米什%第17届多词表达研讨会论文集(MWE 2021)%D 2021年%8月8日%计算语言学协会%C在线%F liu-etal-2021词汇%在词汇语义学中,各种现象的完整句子切分和段标记通常被分开处理,尽管它们是相互依存的。我们假设,统一的词汇语义识别任务是封装以前不同风格注释的有效方法,包括多词表达式识别/分类和超义标记。使用STREUSLE语料库,我们训练了一个神经CRF序列标记器,并评估了它在各个注释轴上的性能。由于标签集概括了以前的任务(PARSEME、DiMSUM),我们还评估了模型对这些测试集的概括程度,发现尽管只对STREUSLE进行了培训,但它接近或超过了现有模型。我们的工作还为词汇语义的集成和准确建模建立了基线模型和评估指标,为这一领域的未来工作提供了便利。%10.18653/v1/2021.mwe-1.6兰特%U型https://aclantology.org/2021.mwe-1.6%U型https://doi.org/10.18653/v1/2021.mwe-1.6%第49-56页
降价(非正式)
【词汇语义识别】(https://aclantology.org/2021.mwe-1.6)(Liu等人,MWE 2021)
国际计算语言学协会
- Nelson F.Liu、Daniel Hershcovich、Michael Kranzlein和Nathan Schneider。2021词汇语义识别.英寸第17届多词表达研讨会会议记录(MWE 2021),第49-56页,在线。计算语言学协会。