Parsey McParseface在問題上錯誤地識別根

Question

在我看來，Parsey在正確標記問題和任何帶有「is」的句子中存在嚴重問題。

---

文字：奧巴馬來自夏威夷嗎？

GCloud令牌（正確）：

• 爲 - [根] VERB
• 營房 - [NN] NOUN
• 奧巴馬 - [nsubj] NOUN
• 從 - [ADP] PREP
• 夏威夷 - [pobj] NOUN

Parsey令牌（錯誤）：

• 爲 - [警察] VERB
• 營房 - [nsubj] NOUN
• 奧巴馬 - [根] NOUN
• 從 - [ADP] PREP
• 夏威夷 - [pobj]名詞

Parsey決定讓名詞（！）奧巴馬成爲根，這會弄亂一切。

---

文本：我的名字是菲利普

GCloud令牌（正確）：

• 我的[POSS] PRON
• 名稱[nsubj] NOUN
• 是[根] VERB
• Philipp [attr] NOUN
個

ParseyTokens（不正確的）：

• 我的[POSS] PRON
• 名稱[nsubj] NOUN
• 是[COP] VERB
• 菲利普[根] NOUN

parsey再次選擇NOUN作爲根，並與COP一起奮鬥。

---

任何想法，爲什麼發生這種情況，我該如何解決它？

感謝， 菲爾

Answer 1

我有資格我的回答：我有限的Parsey McParseface的知識。但是，由於沒有其他人回答，我希望我能增加一些價值。

我認爲大多數機器學習模型的一個主要問題是缺乏可解釋性。這與你的第一個問題有關：「爲什麼會發生這種情況？」這很難說，因爲這個工具是建立在「黑盒子」模型上的，即神經網絡。鑑於strong claims made about Parsey，我會說這似乎是非常令人驚訝的，像'是'這樣的常見詞彙一直在欺騙它。你有可能犯了一些錯誤嗎？沒有代碼示例很難說。

我假設你沒有犯過錯，在這種情況下，我認爲你可以利用你的觀察結果來解決這個問題（或者減輕它），因爲'is'這個詞似乎把模型拋棄了。在這種情況下，您可以簡單地檢查相關句子中的單詞'is'並使用GCloud（或其他解析器）。方便地，一旦你同時使用了，你可以使用GCloud作爲Parsey似乎失敗的其他情況的後備，如果你將來找到它們的話。

至於改善基礎模型，如果您足夠關心，您可以使用original paper重新創建它，也許可以根據您的情況優化培訓。

Answer 2

關於第一個例子，看起來Parsey的訓練數據相當陳舊，甚至沒有提及任何「Barack」這個詞。 如果你將貝拉克奧巴馬換成比爾克林頓，你會得到一個正確的解析。

Input: Is Bill Clinton from Hawaii ? Parse: Is VBZ ROOT +-- Clinton NNP nsubj | +-- Bill NNP nn +-- from IN prep | +-- Hawaii NNP pobj +-- ? . punct

第二個例子是代替正確地根據斯坦福依賴關係解析（參照http://nlp.stanford.edu/software/dependencies_manual.pdf「系詞動詞的處理」）。

Input: My name is Philip Parse: Philip NNP ROOT +-- name NN nsubj | +-- My PRP$ poss +-- is VBZ cop

Answer 3

由於正確標記奧巴馬爲2個名詞，我不認爲它與名字不熟悉的問題。我認爲Parsey禁止使用「is」作爲根。

在理論依存語法中，名詞從來不是完整句子的根。然而，帕西卻不遵循理論;它非常喜歡將內容單詞變爲頭腦。我認爲它已經決定，當你說「X是Y」時，句子的頭部應該是「X」而不是「is」，因爲「is」不是一個提供信息的詞。

......除了比爾克林頓的例子，這可能證明我錯了！我還沒有讓Parsey在我自己的電腦上工作，所以我不確定。