[ICLR2017]Deep Biaffine Attention for Neural Dependency Parsing

依存树解析任务目前有两种做法，一是Transition-based approach, 另一种就是graph-based方法；针对每种方法文中给出了将一句话解析成依存书的具体实现步骤，本文的方法是用的graph-based框架。

本文的框架图：



graph-based方法： 从左向右解析句子，针对句中的每个词，找该词的head词（该词到head词之间的arc）以及从该词到head词之间的依存关系类型。

假设句子长度为L+1， 那么针对每个词可能的head word个数就是L个（除词本身以外的其他所有词都可能是该词的head word），所以不同的句子中的词分类时类别是不同的。

举个例子：

句1长为10，句2长为7， 那么句1中的word i 的候选head word 个数是9，即类别为9， 句2中word j 的候选 head word个数是6.





其中公式（6）就是就是套用的公式（2）所得

针对每个arc, arc的标签类别个数就是依存标签的个数是固定的：