Unsupervised spectral learning of WCFG as low-rank matrix completion

Consultar RECERCAT

Per accedir als documents amb el text complet, si us plau, seguiu el següent enllaç: http://hdl.handle.net/2117/21076

Títol:	Unsupervised spectral learning of WCFG as low-rank matrix completion
Autor/a:	Bailly, Raphaël; Carreras Pérez, Xavier; Luque, Franco M.; Quattoni, Ariadna Julieta
Altres autors:	Universitat Politècnica de Catalunya. Departament de Llenguatges i Sistemes Informàtics; Universitat Politècnica de Catalunya. GPLN - Grup de Processament del Llenguatge Natural; Universitat Politècnica de Catalunya. LARCA - Laboratori d'Algorísmia Relacional, Complexitat i Aprenentatge
Abstract:	We derive a spectral method for unsupervised learning ofWeighted Context Free Grammars. We frame WCFG induction as finding a Hankel matrix that has low rank and is linearly constrained to represent a function computed by inside-outside recursions. The proposed algorithm picks the grammar that agrees with a sample and is the simplest with respect to the nuclear norm of the Hankel matrix.
Abstract:	Peer Reviewed
Matèries:	-Àrees temàtiques de la UPC::Informàtica::Intel·ligència artificial::Llenguatge natural -Weighted context-free grammars -Llenguatge natural (Informàtica) -- Processament
Drets:
Tipus de document:	Article - Esborrany Objecte de conferència
Publicat per:	Association for Computational Linguistics
Compartir:

Luque, Franco M.; Quattoni, Ariadna Julieta; Balle Pigem, Borja de; Carreras Pérez, Xavier

Bailly, Raphaël; Carreras Pérez, Xavier; Quattoni, Ariadna Julieta

Balle Pigem, Borja de; Carreras Pérez, Xavier; Luque, Franco M.; Quattoni, Ariadna Julieta

Bailly, Raphaël; Carreras Pérez, Xavier; Quattoni, Ariadna Julieta

Quattoni, Ariadna Julieta; Carreras Pérez, Xavier; Torralba, Antonio

Coordinació

Patrocini