当前位置：网站首页 » 热点 » 内容详情

语义角色最新视觉报道_语义角色有哪些(2024年11月全程跟踪)

内容来源：卡姆驱动平台所属栏目：热点更新日期：2024-11-27

语义角色

韩礼德系统功能语言学：两种及物动词的奥秘韩礼德的系统功能语言学理论非常精妙，虽然可能不完全适用于所有语言，但在理论层面上非常有用。这个框架可以用来学习各种语言，只需进行一些微调即可。当时，许多句法学研究都在探讨语言的底层结构。韩礼德认为，这种底层结构应该是人类对世界体验的分类，即事件类型学。想象一下，人类的大脑中有一个庞大的组织架构图，这是语言能力的基础。韩礼德认为，“she washed”可以表示“she washed the clothes”，但“he marched”则不能表示“he marched the prisoners”。因此，他认为这两句话的底层事件类型是不同的。同理，“John cleaned the glass”如果改为“John cleaned”，意思仍然是“John洗了玻璃”；而“John broke the glass”如果改为“John broke”，则意思变成了“John坏了玻璃”。在英语中，有两种类型的动词：一种可以区分他动和自动，即编号5和编号3的对立；另一种则不能区分他动和自动，即没有编号1和编号9的对立。虽然编号9在某些情况下可以，例如“这支笔好写”或“这些书卖得好”，但这种情况很少见，不像编号5和编号3那样灵活地变换。编号1的主语底层语义角色是initiator/actor，“/”表示复合，宾语是goal；编号5的主语是initiator，宾语是actor。在英语中，这两种语义角色配置实现到表层看起来是一样的，都是主谓宾，格也一样。但在其他语言中可能会不同，例如一个是主格（nominative），一个是施格（ergative），形态上1和5就不一样。藏语就有这样的对立。西班牙语中很多心理事件需要用被动形式来表示主动意念，这实际上是因为主语的底层语义角色不是initiator。例如，“我对什么感兴趣”在西班牙语中表达为“me intereso por...”，如果动词形态是主动，则为“Me interesa...”。因为西班牙语没有形态上的施格，所以需要通过其他方式来区分有没有initiator，也就是区分动作过程和心理过程。通过鸟瞰式地学习语言，把每个语言使用人群脑子里的语义地图还原出来，就不用一个个记每个动词的规则了。

深度神经网络在语义角色标注中的应用 5.2 基于深度神经网络的语义角色标注 • 利用深度神经网络进行语义角色标注时，可以采用BIO标注方案来表示论元标签，这样可以直接使用通用的序列标注模型来解决。 • 另一种方法是使用跨度标注来定位句子中的论元短语，采用基于跨度预测的方法。由于跨度预测模型显式地建模了短语级别的语义，因此能够更好地学习论元短语的长程邻接关系。 • 句法结构信息为语义角色标注任务提供了丰富的语言学信息，因此利用句法树结构的图神经网络在该任务上也取得了不错的效果。基于跨度的语义角色标注方法文献[198]中通过端到端模型构建了跨度预测模型，为语句中的每个词和跨度构造表示，实现同时识别句子中的谓词和论元并判断它们之间关系的效果。该模型分为两个部分：词和跨度表示的构建以及谓词-论元的联合抽取。基于图卷积神经网络融合句法树的语义角色标注方法图4.48展示了基于图卷积神经网络融合句法树的语义角色标注方法。语义角色标注评价方法语义角色标注的评价指标包括精确率（Precision，P）、召回率（Recall，R）和F 值（F-Score）。在预测结果中，仅当论元范围和类型均预测正确时，才视为该论元预测正确，计为真正例（True-Positives, TP）。语义角色标注语料库 1）FrameNet：根据框架语义学理论，对英国国家语料库进行标注。FrameNet目前包括超过200,000个人工标注的句子，在句子中标注目标谓词的语义框架、语义角色，以及每个语义角色在句法层面的短语类型和句法功能。 2）PropBank：是论元角色语义知识库，针对动词性谓词，在语料中标注所在句的谓词-论元（predicate-argument）信息。PropBank对英文宾州树库中的WSJ（华尔街日报标注）语料和一部分BROWN（布朗语料库标注）语料进行了标注。 3）NomBank：关注并侧重名词性谓词的语义角色标注，对PropBank的涵盖范围进行了补充。NomBank对语料中的名词性谓词进行语义角色标注。其主要语料资源同样来自《华尔街日报》，研究人员对其中名词性的谓词对应的论元角色进行人工标注。总结图4.50总结了深度神经网络在语义角色标注中的应用。

7种语料库类型及其应用场景详解语料库在语言学研究中扮演着至关重要的角色，它们根据构建目的、收录的文本种类以及是否有特定的注释等特点被分类。以下是一些主要的语料库类型：一般语料库（General Corpus）𐟌 这类语料库旨在全面反映一种语言的使用情况，包含多种文本类型，如新闻报道、文学作品、口语交流等。例如，英语的布朗语料库（Brown Corpus）就是一个著名的一般语料库。专门语料库（Specialized Corpus）𐟔 专门语料库专注于特定的语言风格、领域或话题，例如法律语言、医学语言或科技领域的文本。它们通常用于研究特定领域的术语和表达方式。平行语料库（Parallel Corpus）𐟓–➡️𐟓š 平行语料库包含两种或多种语言的文本，这些文本在内容上相互对应，常用于翻译研究和机器翻译系统的训练。例如，中英平行语料库会包含中文文本及其对应的英文翻译。对比语料库（Comparative Corpus）𐟌 对比语料库用于对比两种或多种语言的结构和用法。它可能不包含完全对应的翻译文本，但旨在通过对比分析揭示语言之间的差异和相似性。动态语料库（Monitor Corpus）𐟕𕯸‍♂️ 动态语料库是定期更新的，能反映语言随时间发展的变化。这类语料库适用于研究语言的变迁和新词的产生。多模态语料库（Multimodal Corpus）𐟎尟Ž犥䚦衦€语料库包含文字之外的其他模态信息，如音频、视频或手势。这类语料库适用于研究语言与其他交际手段的互动。语料库注释（Annotated Corpus）𐟔 注释语料库在原始文本的基础上增加了额外的信息，如词性标注、句法结构标注或语义角色标注。这种类型的语料库对于语言学研究和自然语言处理应用尤为重要。这些语料库类型各有特色，适用于不同的研究目的和场景。通过合理利用这些语料库，我们可以更深入地了解语言的使用和演变。

汉语和英语，到底谁更讲逻辑？很多人觉得汉语不讲逻辑，尤其是看到一些像“鸡不吃了”这样的句子时，更是觉得一头雾水。其实，语言和逻辑是两回事，语言更像是思维的外壳，而不是思维的本身。所以，说“鸡被吃了”和“鸡不被吃了”在逻辑上并没有太大差别，只是表达习惯不同罢了。那么，我们来看看印欧语系的“被”字结构。其实，被动结构主要是为了限定“施动者-主题”的组合。想象一下，当我们回到原始思维的时候，说出一个物体概念和一个动态概念，最自然的推理就是这个物体做了那个动作，比如“猎人+打猎”。随着时间的推移，生活世界不断扩大，当我们要表示野猪被捕获时，我们仍然会说“野猪+打猎”。然而，这样的推理方式需要多费一些脑力才能“恍然大悟”。于是，有些民族形成了新的约定，对于需要多费力的推理，会给予对方提示。南岛语系的语言在这方面比较突出。比如：（1）女人[施动者]洗了衣服（2）衣服[受动者]洗了（3）肥皂[工具]洗了衣服（4）衣服[位置]打了肥皂其实，英语和许多其他印欧语的被动语态The clothes have been washed起到的是相当于（2）的作用，即提示主题是受动者。但英语没有对应（3）和（4）的语态，不能说*The soap has been washed the clothes。（4）可以说成The clothes are lathered，实际上转成了（2），打肥皂整体由一个动词表达。也就是说，许多印欧语限定了主题必须是施动者，主语其实就是主题和施动者叠加留下的“印子”。被动语态就是告诉你，现在这个印子上放的不是“施动者-主题”。而汉语走向了和南岛语相反的路线，在不提供形态标记的情况下可以让任何语义角色出现在动词前面作为主题。所以其实印欧语的被动结构是对“施动者+主题”组合的限定，也就是说，印欧民族认为主题非是施动者不可？这种限定其实并无有力的理据。凭什么我围绕受动者来讲述就算反常？因此，并不能说限定某种组合就比不限定任何组合或者限定更多组合讲逻辑。所以，汉语和英语到底谁更讲逻辑？其实这个问题本身就有问题。语言是多样的，每种语言都有自己的逻辑和表达习惯。重要的是理解和尊重这些差异，而不是一味地比较和评判。

专栏内容推荐

1590 x 418 · png
了解语义角色标注SRL（Semantic Role Labeling） - 知乎
素材来自:zhuanlan.zhihu.com

720 x 492 · png
【NLP】语义角色标注(Semantic Role Labelling)-CSDN博客
素材来自:blog.csdn.net
1080 x 810 · jpeg
语义角色语法关系_word文档在线阅读与下载_无忧文档
素材来自:51wendang.com

710 x 239 · png
语义角色标注 - 深度学习教程 | BootWiki.com
素材来自:bootwiki.com

657 x 268 · jpeg
语义分析第三步---对句子进行语义角色标注 - 知乎
素材来自:zhuanlan.zhihu.com

353 x 293 · png
SRL(Semantic Role Labelling): 语义角色标注-CSDN博客
素材来自:blog.csdn.net
472 x 558 · png
【NLP】语义角色标注(Semantic Role Labelling)-CSDN博客
素材来自:blog.csdn.net

1091 x 662 · png
bio-based语义角色标注-CSDN博客
素材来自:blog.csdn.net
945 x 567 · jpeg
融合多层次特征的中文语义角色标注
素材来自:html.rhhz.net

614 x 586 · png
语音助手——QU——语义角色标注及其应用_Johngo学长
素材来自:johngo689.com
1194 x 755 · png
中文语义角色标注 - 石头木 - 博客园
素材来自:cnblogs.com

720 x 141 · png
了解语义角色标注SRL（Semantic Role Labeling） - 知乎
素材来自:zhuanlan.zhihu.com

740 x 440 · jpeg
云从科技与上海交大 AAAI 入选论文解读：语义角色标注新思路 get | 雷峰网
素材来自:leiphone.com
441 x 263 · png
中文语义角色标注 - 石头木 - 博客园
素材来自:cnblogs.com

727 x 166 · jpeg
浅谈“语义角色” - 知乎
素材来自:zhuanlan.zhihu.com

1080 x 523 · png
语义角色标注视为依存句法分析任务：探索论元内部的隐式树结构_TreeCRF
素材来自:sohu.com

1920 x 1920 · jpeg
汉语语义角色与句式的互动研究_百度百科
素材来自:baike.baidu.com
4053 x 2662 · png
语义角色标注-CSDN博客
素材来自:blog.csdn.net

720 x 160 · png
【NLP】语义角色标注(Semantic Role Labelling)-CSDN博客
素材来自:blog.csdn.net

921 x 1417 · png
科学网—语义角色标记：Semantic Role Labeling - 王靖琰的博文
素材来自:blog.sciencenet.cn
2022 x 900 · png
语义角色标注-CSDN博客
素材来自:blog.csdn.net

1081 x 212 · jpeg
语义角色标注-CSDN博客
素材来自:blog.csdn.net

689 x 737 · jpeg
Semantic Role Labeling(语义角色标注) | XiaoXiao
素材来自:xiaoxiaoaurora.github.io
884 x 178 · jpeg
语义角色标注表_使用哈工大ltp在cpb3.0上实现语义角色标注-CSDN博客
素材来自:blog.csdn.net

491 x 144 · png
【NLP】语义角色标注(Semantic Role Labelling)-CSDN博客
素材来自:blog.csdn.net

1014 x 398 · png
语义角色标注视为依存句法分析任务：探索论元内部的隐式树结构_TreeCRF
素材来自:sohu.com

700 x 1255 · jpeg
什么是语义角色标注？__财经头条
素材来自:t.cj.sina.com.cn
998 x 1434 · jpeg
基于短语结构树的维吾尔语义角色标注的设计与实现_参考网
素材来自:fx361.com
733 x 1000 · gif
基于CoNLL格式的分句和语义角色标记方法、系统与流程
素材来自:xjishu.com

973 x 426 · jpeg
语言技术平台（LTP）更新：基于Bi-LSTM的语义角色标注系统
素材来自:sohu.com

1450 x 1354 · png
语音助手——QU——语义角色标注及其应用_找出句中的谓词和对应的语义角色成分属于( )。-CSDN博客
素材来自:blog.csdn.net
481 x 386 · png
语义角色标注《Deep Semantic Role Labeling？What Works and What’s Next》_srl约束-CSDN博客
素材来自:blog.csdn.net

231 x 443 · jpeg
基于多模态语义角色识别的人机交互指令解析方法及装置
素材来自:xjishu.com
640 x 223 · jpeg
技术｜语言技术平台（LTP）：基于Bi-LSTM的语义角色标注系统
素材来自:sohu.com

945 x 398 · jpeg
融合多层次特征的中文语义角色标注
素材来自:html.rhhz.net

素材来自:查看更多內容

当前用户设备UA：Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)