NLP大突破：語義角色標記深度模型，準確率提升10％

NLP 里的 AlexNet，2005 年以來首個重大提升。

新智元編譯

來源：washington.edu

編譯：熊笑

【新智元導讀】被稱為取得了NLP 「2005 年以來首個大突破」的研究報告 Deep Semantic Role Labeling: What Works and What』s Next，已被 ACL-17 接收。論文的第一作者是華盛頓大學的華人博士生何律恆。該研究為語義角色標註（SRL）引入了一個新的深度學習模型，顯著提高了現有技術水平。

日前，「Stanford NLP Group」 發推特表示，華盛頓大學、FAIR 和艾倫研究所的合作研究 Deep Semantic Role Labeling: What Works and What』s Next ，是 NLP 「2005 年以來首個大突破」。該論文已經被 ACL-17 接收。論文的第一作者是華盛頓大學的華人博士生何律恆。

新智元為您做了這篇論文的譯介。

為 SRL 引入新的深度學習模型，顯著提高了現有技術水平

我們為語義角色標註（SRL）引入了一個新的深度學習模型，顯著提高了現有技術水平，同時對其優缺點進行了詳細的分析。我們使用了約束解碼（constrained decoding）的深度 highway BiLSTM 架構，同時考察了近來初始化和正則化的最佳做法。我們的 8 層模型在 CoNLL 2005 測試集上達到 83.2 F1，在 CoNLL 2012 測試集上達到了 83.4 F1。與以前的技術水平相比，大約減少了 10％ 的相對誤差率。對研究結果的實證分析表明：（1）深度模型在恢復長距離語義依存關係方面表現出色，但仍然會犯明顯錯誤；（2）語義分析仍然有改進空間。

語義角色標註（SRL）系統的目標是恢復一個句子的謂詞-論元結構，來做出基本判斷：「誰對誰做了什麼」，「何時」和「哪裡」。最近，沒有句法輸入的 SRL 的端到端深度模型（Zhou 和 Xu，2015; Marcheggiani 等，2017）取得的突破似乎推翻了長期以來的觀點，即語義分析是這一任務的先決條件（Punyakanok等，2008）。在本文中，我們展示了這一結果可以通過具有約束解碼的深度 highway 雙向 LSTM 進一步推動，並再次顯著提高了現有技術（在 CoNLL 2005 上有兩個點的提升）。我們還對目前哪些技術取得了好的表現、還需要做什麼以進一步提升表現進行了仔細的實證分析。

我們的模型結合了最近深度學習文獻中的一些最優的做法。在Zhou和Xu （2015）之後，我們將 SRL 視為 BIO 標記問題，並使用深度雙向 LSTM。然而，我們做出了以下調整：（1）簡化輸入和輸出層；（2）引入 highway connections（Srivastava 等，2015; Zhang 等，2016）；（3）使用循環dropout（Gal 和Ghahramani，2016）；（4）用BIO 約束進行解碼；（5）與專家產品合并。我們的模型比 2005 年和 2012年 CoNLL 測試集的技術水平相對誤差減少了10％。我們還報告了 predicted predicates 的性能，以激發未來對端到端 SRL 系統的研究。

我們提供詳細的誤差分析，以更好地理解性能提升，包括（1）對架構、初始化和正則化的設計選擇，對模型性能有非常大的影響; （2）不同類型的預測誤差顯示，該深度模型在預測長距離依賴方面表現優異，但仍然受困於已知挑戰（如 PP- attachment errors 和adjunct-argument distinctions）;（3）語法角色表明存在明顯的 oracle syntax 改進空間，但現有自動解析器的誤差阻止了 SRL 中的有效使用。

總結來說，我們的主要貢獻包括：

?由開源代碼和模型支持的端到端 SRL 的新型最先進深度網路。

?深入的誤差分析，指出模型的工作原理及其挑戰，包括結構一致性和長距離依賴關係的討論。

?對未來改進方向有借鑒意義的實驗，包括詳細討論如何和何時使用句法解析器來改進這些結果。

我們的深度 SRL 模型的成功有兩個原因

我們深度 SRL 模型的成功有兩個原因：（1）應用訓練深度循環神經網路中的最新進展，如 highway connections（Srivastava等，2015）和RNN dropout（Gal和Ghahramani，2016）（2）使用A *解碼演算法（Lewis 和Steedman，2014; Lee 等人，2016），以強化預測時間的結構一致性，而不增加訓練過程的複雜性。

圖1：四層Highway LSTM。曲線連接表示highway connections，+ 號表示控制層間信息流的變換門。

表1：CoNLL 2005 上的實驗結果，涉及精度（P），召回率（R），F1和完全正確謂詞百分比（Comp.）。我們報告了我們最好的 single 和 ensemble 模型（PoE）的結果。比較模型是Zhou 和Xu（2015），FitzGerald 等（2015），Ta?ckstro?m 等（2015），Toutanova 等（2008）和Punyakanok等（2008年）。

表2：CoNLL 2012 上的實驗結果採用和表1 相同的度量方法。我們將我們最好的 single 和 ensemble （PoE）模型與Zhou and Xu (2015), FitzGerald 等(2015), Ta ?ckstro ?m 等(2015) 和Pradhan 等(2013) 進行比較.

表3：使用 predictedpredicates 的謂詞檢測性能和端到端SRL 結果。與我們最好的 gold predicates ensemble 模型相比，ΔF1 顯示出絕對的性能下降。

圖2：various ablations 的平滑學習曲線。Highway 層組合，正交參數初始化和循環 dropout 對於實現強大的性能至關重要。這裡顯示的數字沒有約束解碼。

圖3：與兩個強 non-neural 基線相比，在進行序列中各種類型的oracle轉換後的表現。Add Arg 轉化之後，gap 被合攏，顯示了我們的方法和傳統系統相比，是如何從預測更多論元中獲益的。

表4：Oracle 轉換與每個操作後的相對誤差減少配對。所有操作只有在不引起任何重疊參數的情況下才被允許。

表5：標記誤差的混淆矩陣，顯示了「the percentage ofpredicted labels for each gold label」。我們僅計入了匹配 gold span boundaries 的預測論元。

圖4：對於我們的模型將gold span 一分為二（ZXY）或合并兩個 gold constituents（XYZ）的情況，我們展示了Yspan 句法標籤的分布。結果顯示，這些誤差的主要原因是不準確的介詞短語attachment。

圖5：謂詞與論元之間的表面距離F1。對於較深層的神經模型，性能隨論元距離增長而衰減的程度最小。

圖6：強制執行核心角色只能發生一次（+SRL）的約束條件，性能受到損害的示例。

表6：2005年CoNLL上的F1，以及按類型細分的CoNLL 2012 上的 development set。語法約束解碼（+ AutoSyn）顯示了域內數據（CoNLL 05 和 CoNLL 2012 NW）的更大改進。

原文地址：https://homes.cs.washington.edu/~luheng/files/acl2017_hllz.pdf

點擊「閱讀原文」查看新智元招聘信息

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！