Geometrie-bewusstes Supertagging mit heterogenen dynamischen Faltungen

Die syntaktischen Kategorien von kategorialen Grammatikformalismen sind strukturierte Einheiten, die aus kleineren, unteilbaren Primitiven bestehen und durch die Kategoriebildungsregeln der zugrundeliegenden Grammatik zusammengefasst werden. Im aktuellen Ansatz des konstruktiven Supertaggings werden neuronale Modelle zunehmend mit der internen Kategoriestruktur vertraut gemacht, was es ihnen ermöglicht, seltene und außerhalb des Wortschatzes liegende Kategorien zuverlässiger vorherzusagen. Dies hat erhebliche Auswirkungen auf Grammatiken, die bisher als zu komplex für praktische Anwendungen angesehen wurden. In dieser Arbeit untersuchen wir das konstruktive Supertagging aus graphentheoretischer Sicht und schlagen einen Rahmen vor, der auf heterogenen dynamischen Graphfaltungen basiert und darauf abzielt, die charakteristische Struktur des Ausgaberaums eines Supertaggers zu nutzen. Wir testen unseren Ansatz anhand mehrerer Datensätze von kategorialen Grammatiken, die verschiedene Sprachen und Grammatikformalismen umfassen, wobei wir erhebliche Verbesserungen gegenüber den bisherigen Stand der Technik erzielen. Der Code wird unter https://github.com/konstantinosKokos/dynamic-graph-supertagging zur Verfügung gestellt.