초록
우리는 공통 어휘 구분(Part-of-Speech, POS) 태깅과 의존성 해석을 동시에 수행하는 새로운 신경망 모델을 제안합니다. 본 모델은 잘 알려진 BIST 그래프 기반 의존성 해석기(Kiperwasser와 Goldberg, 2016)를 확장하여, BiLSTM 기반의 태깅 구성요소를 통합하여 해석기에 자동으로 예측된 POS 태그를 생성합니다. 벤치마크 영어 Penn 트리뱅크에서 우리의 모델은 각각 94.51%와 92.87%의 강력한 UAS(무방향 정확도)와 LAS(유방향 정확도) 점수를 얻으며, BIST 그래프 기반 해석기보다 1.5% 이상 절대적으로 향상되었습니다. 또한, 원시 텍스트에서 파싱된 61개의 "큰" Universal Dependencies 트리뱅크에 대한 실험 결과는 우리의 모델이 기준 모델인 UDPipe(Straka와 Straková, 2017)보다 평균 POS 태깅 점수가 0.8% 높고 평균 LAS 점수가 3.6% 높다는 것을 보여줍니다. 더불어, 우리의 모델을 사용하여 생물의학 이벤트 추출 및 의견 분석 응용 프로그램에서도 최신 수준의 하류 작업 점수를 얻었습니다. 우리의 코드는 모든 사전 학습된 모델과 함께 다음 주소에서 이용 가능합니다: https://github.com/datquocnguyen/jPTDP