El objetivo de la tarea es aprender analizadores de dependencias sintácticas que puedan funcionar en un entorno del mundo real, partiendo de texto en bruto, y que puedan trabajar en muchos idiomas tipológicamente diferentes, incluso en idiomas sorpresa para los cuales hay pocos o ningún dato de entrenamiento, utilizando para ello un estándar común de anotación sintáctica. Los sistemas deben encontrar dependencias sintácticas etiquetadas entre palabras, es decir, un núcleo sintáctico para cada palabra y una etiqueta que clasifica el tipo de la relación de dependencia. No hay una anotación estándar de referencia (tokenización, segmentación de oraciones, lemas, morfología) disponible en el texto de entrada.
Publicación
Daniel Zeman, Martin Popel, Milan Straka, Jan Hajič, Joakim Nivre, Filip Ginter, Juhani Luotolahti, Sampo Pyysalo, Slav Petrov, Martin Potthast, Francis Tyers, Elena Badmaeva, Memduh Gokirmak, Anna Nedoluzhko, Silvie Cinková, Jan Hajič jr., Jaroslava Hlaváčová, Václava Kettnerová, Zdeňka Urešová, et al.. 2017. CoNLL 2017 Shared Task: Multilingual Parsing from Raw Text to Universal Dependencies. In Proceedings of the CoNLL 2017 Shared Task: Multilingual Parsing from Raw Text to Universal Dependencies, pages 1–19, Vancouver, Canada. Association for Computational Linguistics.
Idioma
Español
Inglés
NLP topic
Tarea abstracta
Dataset
Año
2017
Enlace publicación
Métrica Ranking
LAS
Mejores resultados para la tarea
| Sistema | LAS Ordenar ascendente |
|---|---|
| Stanford | 0.8999 |
