半监督跨领域语义依存分析技术研究  

Semi-supervised Domain Adaptation for Semantic Dependency Parsing

作　　者：毛达展 李华勇 邵艳秋 MAO Dazhan;LI Huayong;SHAO Yanqiu(National Language Resources Monitoring and Research for Print Media Language Center,Beijing Language and Culture University,Beijing 100083,China)

机构地区：[1]北京语言大学国家语言资源监测与研究平面媒体中心,北京100083

出　　处：《中文信息学报》2022年第2期22-28,共7页Journal of Chinese Information Processing

基　　金：国家自然科学基金(61872402);教育部人文社科规划基金(17YJAZH068);北京语言大学校级项目(中央高校基本科研业务费专项资金)(18ZDJ03);模式识别国家重点实验室开放课题基金。

摘　　要：近年来,尽管深度学习给语义依存分析带来了长足的进步,但由于语义依存分析数据标注代价非常高昂,并且在单领域上性能较好的依存分析器迁移到其他领域时,其性能会大幅度下降。因此为了使其走向实用,就必须解决领域适应问题。该文提出一个新的基于对抗学习的领域适应依存分析模型,该模型基于对抗学习的共享双编码器结构,并引入领域私有辅助任务和正交约束,同时也探究了多种预训练模型在跨领域依存分析任务上的效果和性能。To address the domain adaptation of a dependency parser with better performance in a single domain, this paper proposes a new semi-supervised method based on adversarial learning. We design a shared dual encoder structure based on adversarial learning, and introduce domain private auxiliary tasks and orthogonal constraints. At the same time, we explore a variety of pre-trained models in the cross domain dependency parsing task about the effectiveness and performance.

关 键 词：语义依存分析 领域适应 对抗学习 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]