Описание
Robust Semantic Role Labeling
Артикул Маркета
6048537093
Внешний вид товаров и/или упаковки может быть изменён изготовителем и отличаться от изображенных на Яндекс Маркете.
Пэй
2 315 ₽
–40%
–200 ₽
С доставкой по клику
Заказ от 1500₽
Пэй
2 315 ₽
–40%
Доставка Маркета
3 окт, по клику 0 ₽
Москва
3 окт, пункт выдачи 0 ₽
Москва
Быстрый возврат
О возвратах
Т8 Издательские Технологии
Магазин
19.1Kзаказов
593подписчика
6лет на Маркете
О товаре
Описание
Печатная книга «Robust Semantic Role Labeling» в мягкой обложке, язык - английский. В книге 172 страниц, она напечатана на белой офсетной бумаге плотностью 80 г/м². Формат издания — 152x229 мм. Все книги аккуратно упаковываем в прочный трёхслойный непрозрачный картонный конверт.
Correctly identifying semantic entities and successfully disambiguating the relations between them and their predicates is an important and necessary step for successful natural language processing applications, such as text summarization, question answering, and machine translation. Researchers have studied this problem, semantic role labeling (SRL), as a machine learning problem since 2000. However, after using an optimal global inference algorithm to combine several SRL systems, the growth of SRL performance seems to have reached a plateau. Syntactic parsing is the bottleneck of the task of semantic role labeling and robustness is the ultimate goal. In this book, we investigate ways to train a better syntactic parser and increase SRL system robustness. We demonstrate that parse trees augmented by semantic role markups can serve as suitable training data for training a parser for an SRL system. For system robustness, we propose that it is easier to learn a new set of semantic roles. The new roles are less verb- dependent than the original PropBank roles. As a result, the SRL system trained on the new roles achieves significantly better robustness.
Correctly identifying semantic entities and successfully disambiguating the relations between them and their predicates is an important and necessary step for successful natural language processing applications, such as text summarization, question answering, and machine translation. Researchers have studied this problem, semantic role labeling (SRL), as a machine learning problem since 2000. However, after using an optimal global inference algorithm to combine several SRL systems, the growth of SRL performance seems to have reached a plateau. Syntactic parsing is the bottleneck of the task of semantic role labeling and robustness is the ultimate goal. In this book, we investigate ways to train a better syntactic parser and increase SRL system robustness. We demonstrate that parse trees augmented by semantic role markups can serve as suitable training data for training a parser for an SRL system. For system robustness, we propose that it is easier to learn a new set of semantic roles. The new roles are less verb- dependent than the original PropBank roles. As a result, the SRL system trained on the new roles achieves significantly better robustness.
Характеристики
Артикул Маркета
6048537093
Внешний вид товаров и/или упаковки может быть изменён изготовителем и отличаться от изображенных на Яндекс Маркете.Возрастное ограничение 18+
Нет отзывов и оценок
Но можно задать вопрос, чтобы узнать о товаре больше
Рекомендуем
Цена с картой Яндекс Пэй 1803 ₽ вместо
Пэй
Цена с картой Яндекс Пэй 754 ₽ вместо
Пэй
Цена с картой Яндекс Пэй 761 ₽ вместо
Пэй
Цена с картой Яндекс Пэй 1792 ₽ вместо
Пэй
Цена с картой Яндекс Пэй 477 ₽ вместо
Пэй
Цена с картой Яндекс Пэй 967 ₽ вместо
Пэй
Цена с картой Яндекс Пэй 262 ₽ вместо
Пэй
Цена с картой Яндекс Пэй 835 ₽ вместо
Пэй
Цена с картой Яндекс Пэй 907 ₽ вместо
Пэй
Цена с картой Яндекс Пэй 269 ₽ вместо
Пэй
Цена с картой Яндекс Пэй 372 ₽ вместо
Пэй
Цена с картой Яндекс Пэй 269 ₽ вместо
Пэй
Цена с картой Яндекс Пэй 939 ₽ вместо
Пэй
Войдите в аккаунтИ тогда откроется корзина, а цены на Маркете могут стать ниже
