“2019-semeval-ucca”的版本间的差异
跳到导航
跳到搜索
| 第1行： | 第1行： | ||
| − | 我们课题组两名研一同学蒋炜和张宇（指导老师李正华）参加了SemEval-2019国际评测Task 1：Cross-lingual Semantic Parsing with UCCA。UCCA(Universal Conceptual Cognitive Annotation) | + | 我们课题组两名研一同学蒋炜和张宇（指导老师李正华）参加了SemEval-2019国际评测Task 1：Cross-lingual Semantic Parsing with UCCA。UCCA(Universal Conceptual Cognitive Annotation)是一种轻量级的、多语言适用的语义表示，用有向无环图来表示语义结构，其中词为节点，边刻画语义关系。 |
| − | + | 参加评测的共国内外8家单位，我们在6个track中获得了第一，1个track中获得了第二。 | |
| − | 我们通过标记discontinuous node和remote | + | 我们通过标记discontinuous node和remote node的方法把UCCA图转化为constituent tree，然后用multi-task learning框架同时训练constituent parser和remote classifier。这个简单模型取得了非常好的性能，且没有用ensemble。Open Track时，我们利用BERT提取最后四层的特征作为额外输入特征。 |
[[文件:ucca-task.png|800px|]] | [[文件:ucca-task.png|800px|]] | ||
2019年3月15日 (五) 03:00的版本
我们课题组两名研一同学蒋炜和张宇（指导老师李正华）参加了SemEval-2019国际评测Task 1：Cross-lingual Semantic Parsing with UCCA。UCCA(Universal Conceptual Cognitive Annotation)是一种轻量级的、多语言适用的语义表示，用有向无环图来表示语义结构，其中词为节点，边刻画语义关系。 参加评测的共国内外8家单位，我们在6个track中获得了第一，1个track中获得了第二。 我们通过标记discontinuous node和remote node的方法把UCCA图转化为constituent tree，然后用multi-task learning框架同时训练constituent parser和remote classifier。这个简单模型取得了非常好的性能，且没有用ensemble。Open Track时，我们利用BERT提取最后四层的特征作为额外输入特征。
