Cross-Lingual SRL Based upon Universal Dependencies
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F17%3A43949766" target="_blank" >RIV/49777513:23520/17:43949766 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.26615/978-954-452-049-6_077" target="_blank" >http://dx.doi.org/10.26615/978-954-452-049-6_077</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.26615/978-954-452-049-6_077" target="_blank" >10.26615/978-954-452-049-6_077</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Cross-Lingual SRL Based upon Universal Dependencies
Popis výsledku v původním jazyce
In this paper, we introduce a cross-lingual Semantic Role Labeling (SRL) systém with language independent features based upon Universal Dependencies. We propose two methods to convert SRL annotations from monolingual dependency trees into universal dependency trees. Our SRL system is based upon cross-lingual features derived from universal dependency trees and supervised learning that utilizes a maximum entropy classifier. We design experiments to verify whether the Universal Dependencies are suitable for the cross-lingual SRL. The results are very promising and they open new interesting research paths for the future.
Název v anglickém jazyce
Cross-Lingual SRL Based upon Universal Dependencies
Popis výsledku anglicky
In this paper, we introduce a cross-lingual Semantic Role Labeling (SRL) systém with language independent features based upon Universal Dependencies. We propose two methods to convert SRL annotations from monolingual dependency trees into universal dependency trees. Our SRL system is based upon cross-lingual features derived from universal dependency trees and supervised learning that utilizes a maximum entropy classifier. We design experiments to verify whether the Universal Dependencies are suitable for the cross-lingual SRL. The results are very promising and they open new interesting research paths for the future.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
20204 - Robotics and automatic control
Návaznosti výsledku
Projekt
<a href="/cs/project/LO1506" target="_blank" >LO1506: Podpora udržitelnosti centra NTIS - Nové technologie pro informační společnost</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2017
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Recent Advances in Natural Language Processing Meet Deep Learning Proceedings
ISBN
978-954-452-048-9
ISSN
1313-8502
e-ISSN
neuvedeno
Počet stran výsledku
9
Strana od-do
592-690
Název nakladatele
INCOMA Ltd.
Místo vydání
Shoumen
Místo konání akce
Varna
Datum konání akce
2. 9. 2017
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—