最新！哈工大SCIR在国际多语言通用依存分析评测中夺得冠军

在刚刚结束的CoNLL-2018国际评测（http://universaldependencies.org/conll18/）中，哈工大社会计算与信息检索研究中心（HIT-SCIR）取得了第一名的好成绩。CoNLL 系列评测每年由 ACL 的计算自然语言学习会议（Conference on Computational Natural Language Learning，CoNLL） 主办，是自然语言处理领域影响力最大的国际技术评测，有力推动了自然语言处理各项任务的发展。

与去年的评测任务相同，今年的 CoNLL 任务仍为：Multilingual Parsing from Raw Text to Universal Dependencies，即面向生文本的多语言通用依存分析。从生文本出发，需要进行分句、分词、形态学分析、词性标注、依存句法分析等。今年评测任务面向57种语言的82个测试集。最终评价指标为在全部评测集上依存分析任务的平均 LAS（依存弧及标签准确率），除此之外还评测了 MLAS（形态学标记正确前提下的LAS） 和 BLEX （内容词词形还原正确前提下的LAS）两项指标。

最终有包括斯坦福大学、IBM公司在内的27支队伍成功提交了评测系统，我们的系统在最关键的评测指标，即 LAS 上获得了第1名，高出第二名2.56%。

在去年的评测中，共有45种语言64个数据集，斯坦福大学获得第一名，我们的系统获得了第四名。今年，我们采用了基于图的依存分析算法，并使用大规模未标注数据预训练了上下文相关的词向量模型，大幅提高了系统的准确率。我们的这些技术进步将融入语言技术平台（LTP）中，进一步提高LTP的性能。

项目组成员：车万翔教授，博士生：刘一佳、王宇轩、郑博

最终的LAS排名如下（http://universaldependencies.org/conll18/results.html）：