要約
最近の研究では、構文解析のために複数の生成ニューラルモデルが提案され、最先端の結果を達成しています。これらの生成モデルでの直接探索は困難であるため、主に基本的なパーザからの候補出力を再スコアリングするために使用されてきました。まず、これらの生成モデルでの直接探索アルゴリズムを提示します。次に、再スコアリングの結果が部分的にランク付け効果ではなく、暗黙的なモデル結合によるものであることを示します。最後に、明示的なモデル結合がさらなる性能向上につながることを示し、金データのみで学習した場合のPTB（Penn Treebank）で94.25 F1スコア、外部データを使用した場合で94.66 F1スコアという新たな最先端の数値を達成しました。