一种用于联合词性标注和基于图的依存句法分析的新型神经网络模型

我们提出了一种新的神经网络模型，该模型能够联合学习词性标注（POS tagging）和基于图的依存句法分析。我们的模型利用双向长短期记忆网络（bidirectional LSTMs）来学习共享的特征表示，这些特征表示同时适用于词性标注和依存句法分析任务，从而解决了特征工程问题。我们在来自通用依存树库项目（Universal Dependencies project）的19种语言上进行了广泛的实验，结果显示我们的模型在联合词性标注和基于转移的依存句法分析方面优于现有的基于神经网络的堆栈传播模型（Stack-propagation model），达到了新的最佳水平。我们的代码是开源的，并且连同预训练模型一起发布在以下地址：https://github.com/datquocnguyen/jPTDP