@正在进行{flachs-etal-2019-简单,title=“检测主体-Verb协议错误的简单稳健方法”,author=“Flachs、Simon和拉克鲁瓦,Oph{\ee}谎言和Rei、Marek和Yannakoudakis、Helen和S{\o}gaard,Anders“,editor=“Burstein、Jill和多兰、克里斯蒂和索罗里奥·塔马尔”,booktitle=“计算语言学协会北美分会2019年会议记录:人类语言技术,第1卷(长篇和短篇论文)”,月=六月,year=“2019”,address=“明尼苏达州明尼阿波利斯”,publisher=“计算语言学协会”,url=“https://aclantology.org/N19-1251”,doi=“10.18653/v1/N19-1251”,pages=“2418--2427”,abstract=“基于规则的主题verb协议检测(SVA)错误对句法分析错误、不规则和主要规则的异常非常敏感,神经序列标记器有过多训练数据的倾向。我们观察到,基于规则的错误生成对语法分析错误和不规则性的敏感度低于错误检测,并探索了一种简单而有效的方法,以达到两者的最佳效果:我们训练神经序列标记器组合大量银标准数据,通过基于规则的错误生成获得的数据和黄金标准数据。我们表明,我们的简单协议可以在域内和域外数据以及其他错误和长距离依赖的情况下,更稳健地检测SVA错误;在四个标准基准中,归纳模型平均达到了一个新的水平。”,}
<?xml version=“1.0”encoding=“UTF-8”?><modsCollection xmlns=“网址:http://www.loc.gov/mods/v3"><mods ID=“flachs-etal-2019-simple”><标题信息><title>一种简单而稳健的检测主体-Verb协议错误的方法</titleInfo><name type=“personal”>西蒙Flachs公司<角色>作者</角色></name><name type=“personal”>奥菲莉Lacroix公司<角色>作者</角色></name><name type=“personal”>马雷克<namePart type=“family”>Rei</namePart><角色>作者</角色></name><name type=“personal”>海伦Yannakoudakis<角色>作者</角色></name><name type=“personal”>安德斯瑟加德<角色>作者</角色></name><originInfo>2019-06发布日期</originInfo><typeOfResource>文本<relatedItem type=“主机”><标题信息>计算语言学协会北美分会2019年会议记录:人类语言技术,第1卷(长篇和短篇论文)</titleInfo><name type=“personal”>吉尔Burstein<角色>编辑器</角色></name><name type=“personal”>克里斯蒂Doran(多兰)<角色>编辑器</角色></name><name type=“personal”><namePart type=“given”>塔玛Solorio独奏曲<角色>编辑器</角色></name><originInfo>计算语言学协会<位置>明尼苏达州明尼阿波利斯市</place></originInfo>会议出版物</relatedItem><abstract>虽然基于规则的主题-动词一致性(SVA)错误检测对句法分析错误、不规则性和主要规则的例外情况很敏感,但神经序列标记器往往会过度匹配其训练数据。我们观察到,基于规则的错误生成对语法分析错误和不规则性的敏感度低于错误检测,并探索了一种简单而有效的方法,以达到两者的最佳效果:我们训练神经序列标记器组合大量银标准数据,通过基于规则的错误生成和金标准数据获得。我们表明,我们的简单协议可以在域内和域外数据上,以及在其他错误和长距离依赖的情况下,对SVA错误进行更稳健的检测;在四个标准基准中,归纳模型平均达到了一个新的水平flachs-etal-2019-simple(简单)10.18653/v1/N19-1251<位置><网址>https://aclantology.org/N19-1251</url></位置><部分>2019-06年<扩展单元=“page”><开始>2418<end>2427</范围></部分></模块></modsCollection>
%0会议记录%一种简单而稳健的主从协议错误检测方法%A Flachs,西蒙%奥菲莉·拉克鲁斯%马雷克·阿雷%A Yannakoudakis,海伦%安德斯·索加德%吉尔·Y·伯斯坦%Y Doran,克里斯蒂%Y Solorio,塔马尔%S计算语言学协会北美分会2019年会议论文集:人类语言技术,第1卷(长短论文)%D 2019年%6月8日%计算语言学协会%明尼苏达州明尼阿波利斯市C%F flachs-etal-2019-简单%X虽然基于规则的主题-动词一致性(SVA)错误检测对句法分析错误、不规则性和主要规则的例外情况很敏感,但神经顺序标记器往往会超出其训练数据。我们观察到,基于规则的错误生成对语法分析错误和不规则性的敏感度低于错误检测,并探索了一种简单而有效的方法,以达到两者的最佳效果:我们训练神经序列标记器组合大量银标准数据,通过基于规则的错误生成和金标准数据获得。我们表明,我们的简单协议可以在域内和域外数据以及其他错误和长距离依赖的情况下,更稳健地检测SVA错误;在四个标准基准中,归纳模型平均达到了一个新的水平。%R 10.18653/v1/N19-1251南非兰特%U型https://aclantology.org/N19-1251%U型https://doi.org/10.18653/v1/N19-1251%电话:2418-2427
降价(非正式)
[一种检测主体-Verb协议错误的简单而稳健的方法](https://aclantology.org/N19-1251)(Flachs等人,NAACL 2019)
国际计算语言学协会
- 西蒙·弗拉赫斯(Simon Flachs)、奥菲利·拉克鲁瓦(Ophélie Lacroix)、马雷克·雷(Marek Rei)、海伦·亚纳库达基斯(Helen Yannakoudakis)和安德斯·索加德(Anders Sögaard)。2019一种简单而稳健的主从协议错误检测方法.英寸计算语言学协会北美分会2019年会议记录:人类语言技术,第1卷(长篇和短篇论文),第2418–2427页,明尼苏达州明尼阿波利斯。计算语言学协会。