Original title: Joint Learning of Syntax and Semantics
Translated title: Joint Learning of Syntax and Semantics
Authors: Ercegovcevic, Milos ; Bojar, Ondřej (advisor) ; Mareček, David (referee)
Document type: Master’s theses
Year: 2013
Language: eng
Abstract: Diplomová práce se zabývá problémem strojového učení nepozorovaných úrovní abstrakce mělké sémantické reprezentace. Odstraňujeme předpoklady, které se při sémantické anotaci lingvistických zdrojů obvykle činí, např. pevný počet sémantických rolí v PropBanku, a učíme se klíčové lingvistické prvky této ano- tace (sémantické rámce, slovesa, lexikální a syntaktické třídy) s různou mírou ab- strakce. Model implementujeme pomocí latentních gramatik a získané struktury je možné použít pro úlohu značkování sémantických rolí (semantic role labeling, SRL) v několika jazycích s přesností srovnatelnou s jinými současnými přístupy. Navíc ukazujeme, že tyto struktury jsou velmi blízké abstrakcím, které je možné pozorovat ve FrameNetu. Celkovým výsledkem je tak jazykově-nezávislý model sémantické informace bez rysů, který produkuje interpretovatelné struktury a jeho použitelnost je na úloze SRL empiricky ověřena.
Keywords: jazyková nezávislost; joint learning; latentní proměnné; syntaxe; sémantika; joint learning; language-independent; latent variables; semantics; syntax

Institution: Charles University Faculties (theses) (web)
Document availability information: Available in the Charles University Digital Repository.
Original record: http://hdl.handle.net/20.500.11956/59316

Permalink: http://www.nusl.cz/ntk/nusl-328566


The record appears in these collections:
Universities and colleges > Public universities > Charles University > Charles University Faculties (theses)
Academic theses (ETDs) > Master’s theses