Command Palette
Search for a command to run...
{Daniel Hershcovich Ofir Arviv}

Résumé
Cet article décrit la soumission du système TUPA à la tâche partagée sur l’analyse de la représentation du sens à travers différents cadres (Cross-Framework Meaning Representation Parsing, MRP) organisée lors de la conférence 2019 sur l’apprentissage computationnel du langage (CoNLL). Étant donné qu’il a été développé par l’un des co-organisateurs de la tâche, TUPA sert de point de référence pour la comparaison et n’est pas pris en compte dans le classement officiel des systèmes participants. Bien qu’initialement conçu pour UCCA uniquement, TUPA a été généralisé afin de supporter tous les cadres MRP inclus dans la tâche, et entraîné via un apprentissage multitâche afin de traiter tous ces cadres avec un modèle partagé. Il s’agit d’un parseur basé sur une transition, doté d’un encodeur BiLSTM enrichi par des embeddings contextuels BERT.
Benchmarks
| Benchmark | Méthodologie | Métriques |
|---|---|---|
| ucca-parsing-on-conll-2019 | Transition-based (+BERT + MTL) | Full MRP F1: 64.1 Full UCCA F1: 35.6 LPP MRP F1: 73.1 LPP UCCA F1: 50.3 |
| ucca-parsing-on-conll-2019 | Transition-based (+BERT) | Full MRP F1: 77.7 Full UCCA F1: 57.4 LPP MRP F1: 82.2 LPP UCCA F1: 65.9 |
Construire l'IA avec l'IA
De l'idée au lancement — accélérez votre développement IA avec du co-codage IA gratuit, un environnement prêt à l'emploi et les meilleurs prix GPU.