摘要
本文介绍了斯坦福大学在CoNLL 2018 UD共享任务中的系统。我们提出了一种完整的神经网络流水线系统，该系统以原始文本为输入，执行共享任务所需的所有任务，包括分词、句子切分、词性标注和依存句法分析。我们的单一系统提交在大型树库上的表现非常具有竞争力。此外，在修复了一个不幸的错误之后，我们的修正系统在官方评估指标LAS（Labeled Attachment Score）、MLAS（Multi-word Token Labeled Attachment Score）和BLEX（Bilexical Evaluation Metric）上分别获得了第2名、第1名和第3名的成绩，并且在低资源树库类别中所有指标的表现均大幅超过了所有提交的系统。我们还通过广泛的消融研究进一步展示了不同模型组件的有效性。