The Shift-reduce Parser-Interpreter NN (SPINN) 为了提高tree模型的训练效率,人们活用Shift-reduce依存句法分析的思想,将模型的树形机构拆分为动作序列
TextCnn,当前这里只是有监督关系抽取 lm: Lstm,基础的LSTM,没有使用Seq2Seq模型 ss: 共享LSTM + 曼哈顿距离 te:共享LSTM + 全连接 tdp: lstm + mlp + shift-reduce
原文链接: Dynamic Oracles for Top-Down and In-Order Shift-Reduce Constituent Parsinggodweiyang.com ? 论文地址: Dynamic Oracles for Top-Down and In-Order Shift-Reduce Constituent Parsingaclweb.org 代码地址: danifg
它们基于标准的顺序 shift-reduce 转换,为分词和词性标注设计了一些额外的动作。 本文提出的模型 以前的联合方法主要基于转换的模型,它通过添加一些额外的操作(如「app」和「tag」)来修改标准的「shift-reduce」操作。
原文链接: Faster Shift-Reduce Constituent Parsing with a Non-Binary, Bottom-Up Strategygodweiyang.com ? 论文地址:Faster Shift-Reduce Constituent Parsing with a Non-Binary, Bottom-Up Strategy 介绍 这篇论文提出了一种非二叉化、自底向上的转移系统
Bison 创建了一个自底向上的 shift-reduce 解析器。每个 CSS 文件都被解析为一个样式表对象。每个对象都包含 CSS 规则。
Shift-reduce 效率更高,但是可能会错过一些产品。 不论在哪种情况下,语法规则的声明都类似于解析人工语言的语法声明。 甚至,除了 top-down 和 shift-reduce 解析器以外,NLTK 还提供了“chart 解析器”,它可以创建部分假定, 这样一个给定的序列就可以继而完成一个规则。
Shift-reduce解析/前馈网络 堆叠的LSTM Transition-based Models for Phrase Structure 一个简单的选择:线性树 http://phontron.com
这是带有一个额外的 GAP 过渡的移位归约算法(shift-reduce algorithm)的一种扩展。
Shift-reduce constituency parser 这个parser的详情请看这里 As of version 3.4 in 2014, the parser includes the code
对于自上而下的解析器而言,Shift-reduce和reduce-reduce冲突不是问题。
这一类方法具体包括基于shift-reduce的转移系统、各种序列化方法(例如syntactic distance)、基于CKY解码的局部归一化模型等,速度通常都很快,但由于局部归一化并没有考虑到全局特征
另一类是既能使用一条规则归约,又能按照另一条规则移进下一个 token,称为 shift-reduce 冲突。
Yacc 生成的语法分析器使用自底向上的归约(shift-reduce)方式进行语法解析,同时使用堆栈保存中间状态。
Constituency Parsing Multilingual Constituency Parsing with Self-Attention and Pre-Training Fast and Accurate Shift-Reduce Constituent Parsing Shift-Reduce Constituent Parsing with Neural Lookahead Features Linear-time Constituency
Yacc 生成的语法分析器使用自底向上的归约(shift-reduce)方式进行语法解析,同时使用堆栈保存中间状态。
Nivre 2003 [#论文解读# Greedy transition-based parsing [Nivre 2003]] 贪婪判别依赖解析器一种简单形式 解析器执行一系列自底向上的操作 大致类似于shift-reduce
ACL看到几篇论文成功地采用了这种方法,特别是Eriguchi等人和吴等人为NMT设计了新的混合解码器,它使用shift-reduce算法来同时生成和解析目标序列。
Parser方面,除词粒度介绍的深度学习序列标注外,还可以使用深度学习模型改善Shift-Reduce中间分类判断效果;句子生成方面,可以通过序列到序列(Seq2Seq)模型训练自动的句子生成器,可用于闲聊或者句子改写等场景
//gitcode.net/apachecn/apachecn-dl-zh/-/raw/master/docs/pt-dl-handson/img/B09475_05_11.jpg)] 图 5.10:Shift-Reduce