16 天前

HIT-SCIR 参与 MRP 2019:通过高效训练与有效编码的统一 Pipeline 实现意义表示解析

{Longxu Dou, Wanxiang Che, Yuxuan Wang, Yang Xu, Ting Liu, Yijia Liu}
HIT-SCIR 参与 MRP 2019:通过高效训练与有效编码的统一 Pipeline 实现意义表示解析
摘要

本文介绍了我们系统(HIT-SCIR)在CoNLL 2019共享任务——跨框架语义表示解析(Cross-Framework Meaning Representation Parsing)中的表现。我们对基础的基于转移的解析器进行了两项改进:a)通过实现栈式LSTM的并行训练,提升训练效率;b)采用深度上下文感知的词嵌入模型BERT,实现更有效的语义编码。总体而言,我们提出了一套统一的语义表示解析流程,包含框架特定的基于转移的解析器、BERT增强的词表示以及后处理模块。在最终评测中,我们的系统在ALL-F1指标上排名第一(86.2%),尤其在UCCA框架上表现突出,同样位列第一(81.67%)。

HIT-SCIR 参与 MRP 2019:通过高效训练与有效编码的统一 Pipeline 实现意义表示解析 | 最新论文 | HyperAI超神经