Efficient Inference and Structured

Efficient Inference and Structured Learning for Semantic Role Labeling

We present a dynamic programming algorithm
for efficient constrained inference in semantic
role labeling. The algorithm tractably captures
a majority of the structural constraints examined
by prior work in this area, which has resorted
to either approximate methods or off-theshelf
integer linear programming solvers. In addition,
it allows training a globally-normalized
log-linear model with respect to constrained
conditional likelihood. We show that the dynamic
program is several times faster than an
off-the-shelf integer linear programming solver,
while reaching the same solution. Furthermore,
we show that our structured model results in
significant improvements over its local counterpart,
achieving state-of-the-art results on both
PropBank- and FrameNet-annotated corpora

ผลลัพธ์ (ไทย) 1:

ข้อที่มีประสิทธิภาพและการเรียนรู้โครงสร้างสำหรับติดฉลากความหมายบทบาทเรานำเสนอขั้นตอนวิธีการเขียนโปรแกรมแบบไดนามิกสำหรับข้อจำกัดที่มีประสิทธิภาพในทางตรรกบทบาทติดฉลาก อัลกอริทึมการจับ tractablyส่วนใหญ่ข้อจำกัดโครงสร้างที่ตรวจสอบโดยงานนี้ก่อน ซึ่งมี resortedวิธีการโดยประมาณหรือปิด theshelfจำนวนเต็มเส้นเขียนที่กระฉับกระเฉงแก้ นอกจากนี้จะช่วยให้การฝึกอบรมที่ส่วนกลางตามปกติรุ่นล็อกเชิงอิงจำกัดโอกาสตามเงื่อนไข เราแสดงที่แบบไดนามิกโปรแกรมได้หลายครั้งเร็วกว่าการเต็มรูปแบบเส้นตรงเขียนโปรแกรมแก้ปัญหาในขณะที่เข้าถึงการแก้ปัญหาเดียวกัน นอกจากนี้เราแสดงว่าผลลัพธ์ของแบบจำลองโครงสร้างในปรับปรุงที่สำคัญผ่านกันของท้องถิ่นบรรลุผลในสมัยของทั้งสองอย่างCorpora PropBank - และ FrameNet-ใส่คำอธิบายประกอบ

ผลลัพธ์ (ไทย) 2:

การอนุมานที่มีประสิทธิภาพและการเรียนรู้ที่มีโครงสร้างสำหรับการติดฉลากบทบาทความหมายของเรานำเสนอขั้นตอนวิธีการเขียนโปรแกรมแบบไดนามิกสำหรับการอนุมาน จำกัด ที่มีประสิทธิภาพในความหมายของการติดฉลากบทบาท อัลกอริทึม tractably จับส่วนใหญ่ของข้อ จำกัด ของโครงสร้างการตรวจสอบโดยการทำงานก่อนที่ในบริเวณนี้ซึ่งมี resorted วิธีการอย่างใดอย่างหนึ่งโดยประมาณหรือปิด theshelf จำนวนเต็มแก้โปรแกรมเชิงเส้น นอกจากนี้ยังจะช่วยให้การฝึกอบรมทั่วโลกปกติรูปแบบการเข้าสู่ระบบเชิงเส้นที่มีความเคารพต่อการ จำกัดโอกาสในเงื่อนไข เราแสดงให้เห็นว่าแบบไดนามิกโปรแกรมมีหลายครั้งเร็วกว่าออกจากชั้นวางของจำนวนเต็มแก้การเขียนโปรแกรมเชิงเส้นในขณะที่การเข้าถึงการแก้ปัญหาเดียวกัน นอกจากนี้เราแสดงให้เห็นว่าผลการรูปแบบของเราที่มีโครงสร้างในการปรับปรุงที่สำคัญมากกว่าคู่ในท้องถิ่นของตนให้บรรลุผลรัฐของศิลปะทั้งPropBank- และคลัง FrameNet-ข้อเขียน

ผลลัพธ์ (ไทย) 3:

ที่มีประสิทธิภาพและการเรียนรู้เชิงโครงสร้างองค์ประกอบบทบาทฉลาก

เรานำเสนอพลวัตขั้นตอนวิธีที่มีประสิทธิภาพข้อ จำกัด การอนุมานในความหมาย

บทการติดฉลาก ขั้นตอนวิธี tractably จับ
ส่วนใหญ่ของปัญหาโครงสร้างตรวจสอบ
โดยก่อนทำงานในพื้นที่นี้ ซึ่งมี resorted เพื่อให้ใกล้เคียง หรือวิธีการปิด

theshelf กำหนดการเชิงเส้นจำนวนเต็มแก้ .นอกจากนี้จะช่วยให้ฝึกได้ทั่วโลก ปกติ

ล็อกแบบเชิงด้วยการบังคับ
เงื่อนไขความน่าจะเป็น เราแสดงให้เห็นว่าโปรแกรมแบบไดนามิกเป็นหลายครั้งเร็วกว่า

ปิดการเก็บรักษาโปรแกรมเชิงจำนวนเต็มแก้
ในขณะที่ถึงโซลูชั่นเดียวกัน นอกจากนี้
เราแสดงให้เห็นว่าแบบจำลองโครงสร้างผลในคู่ของการปรับปรุงที่สำคัญกว่า

ท้องถิ่น ,บรรลุผลของทั้งสอง
propbank - framenet บันทึกย่อและคลังข้อมูล