语义角色标记深度模型，错误率降低10%
发布时间：2017-07-13日前，"Stanford NLP Group" 发推特表示，华盛顿大学、FAIR 和艾伦研究所的合作研究Deep Semantic Role Labeling: What Works and What's Next，是NLP "2005 年以来首个大突破"。该论文已经被ACL-17 接收。论文的第一作者是华盛顿大学的华人博士生何律恒。
论文显示，该研究为语义角色标注（SRL）引入了一个新的深度学习模型，显著提高了现有技术水平，同时对其优缺点进行了详细的分析。研究使用了约束译码（constrained decoding）的深度highway BiLSTM 架构，同时考察了近来初始化和正则化的最佳做法。最新的8 层模型在CoNLL 2005 测试集上达到83.2 F1，在CoNLL 2012 测试集上达到了83.4 F1。与以前的技术水平相比，大约减少了10％ 的相对误差率。对研究结果的实证分析表明：（1）深度模型在恢复长距离语义依存关系方面表现出色，但仍然会犯明显错误；（2）语义分析仍然有改进空间。
来源：搜狐
