surrey-nlp/SDU-test · Datasets at Hugging Face

id stringlengths 1 4	tokens list	ner_tags list
5100	[ "October-2001", "w/out", "2000", "SPA", "30.88" ]	[ 0, 0, 0, 1, 0 ]
5101	[ "We", "also", "used", "two", "Korean", "speech", "recognizers", ":", "a", "speech", "recognizer", "made", "by", "LG-Elite", "(", "LG", "Electronics", "Institute", "of", "Technology", ")", "and", "a", "Korean", "commercial", "speech", "recog-" ]	[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 3, 4, 4, 0, 0, 0, 0, 0, 0, 0, 0, 0 ]
5102	[ "2001", ".", "Linguistic", "Inquiry", "and", "Word", "Count", "(", "LIWC", ")", ":", "LIWC2001", "." ]	[ 0, 0, 0, 3, 4, 4, 4, 0, 0, 1, 0, 0, 0 ]
5103	[ "ory", "(", "Mann", "and", "Thompson", ",", "1988", ")", ",", "or", "RST", ",", "represents", "text", "by", "labeled", "hierarchical", "structures", "called", "Discourse", "Trees", "(", "DTs", ")", ",", "which", "can", "incorporate", "several", "layers", "of", "other", "linguistic", "information", ",", "e.g.", "," ]	[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0 ]
5104	[ "the", "Internet", "(", "Colbath", ",", "2012", ")", ".", "Social", "media", "poses", "three", "major", "computational", "challenges", ",", "dubbed", "by", "Gartner", "the", "3Vs", "of", "big", "data", ":", "volume", ",", "velocity", ",", "and", "variety1", ".", "Natural", "Language", "Processing", "(", "NLP", ")", "methods", ",", "in", "particular", ",", "face", "further", "difficulties", "arising", "from", "the", "short", ",", "noisy", ",", "and", "strongly", "contextualised", "nature", "of", "social", "media", ".", "In", "order", "to", "address", "the", "3Vs", "of", "social", "media", ",", "new", "language", "technologies", "have", "emerged", ",", "such", "as", "the", "identification", "and", "definition", "of", "users", "'", "language", "varieties", "and", "the", "translation", "to", "a", "different", "language", ",", "than", "the", "source", "." ]	[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 4, 0, 1, 0, 0, 0, 4, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 4, 0, 0, 0, 0, 0, 0, 0 ]
5105	[ "the", "feature", "structures", "which", "are", "associated", "with", "each", "node", ",", "which", "prohibit", "certain", "compositions", ",", "are", "not", "shown", ".", "Note", "also", "that", "this", "is", "not", "a", "lexicalised", "TAG", "(", "LTAG", ")", ".", "This", "is", "somewhat", "unusual", ";", "we", "intend", ",", "as" ]	[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 0, 4, 4, 4, 0, 2, 0, 0, 0, 4, 0, 0, 0, 0, 0, 0, 0 ]
5106	[ "would", "also", "be", "possible", ".", "Personalized", "PageRank", "similarity", "(", "PPR", ")", "(", "Agirre", "and", "Soroa", ",", "2009", ")", "measures", "the", "semantic", "relatedness", "between", "two", "word", "senses", "s" ]	[ 0, 0, 0, 0, 0, 3, 4, 4, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 4 ]
5107	[ "5", "Clustering", "Methods", "Spectral", "clustering", "(", "SPEC", ")", "has", "proved", "promising", "in", "previous", "verb", "clustering", "experiments", "(", "Brew" ]	[ 0, 0, 0, 0, 3, 0, 0, 1, 0, 0, 0, 4, 0, 0, 4, 0, 0, 0 ]
5108	[ "TGTM", "P=p", ",", "pk", ",", "b", "TGTM", "PR=pr", ",", "pkr", ",", "b", "r", "TGTM", "PL", "=p", "l", ",", "ph", "l", ",", "b", "l" ]	[ 0, 0, 3, 0, 4, 0, 0, 0, 4, 0, 4, 0, 0, 0, 0, 1, 4, 4, 0, 4, 4, 0, 4 ]
5109	[ "S", "#", "for", "the", "count", "in", "non-speculative", "ones", ")", "3", "Methods", "Conditional", "random", "fields", "(", "CRF", ")", "model", "was", "firstly", "introduced", "by", "Lafferty", "et", "al", "(", "2001", ")", "." ]	[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 4, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 4, 0, 0, 0, 0 ]
5110	[ "(", "5", ")", "Rank", "Value", ":", "i", ".", "Top", "Rank", "(", "T-Rank", ")", ":", "The", "rank", "of", "snippet", "that", "first", "contains", "the", "candidate", "." ]	[ 0, 0, 1, 3, 0, 0, 0, 0, 0, 4, 0, 0, 2, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0 ]
5111	[ "TH", "+", "DR", "+", "EG", "+", "LC", "56.51", "TH", "+", "EG", "+", "LC", "56.50", "Character", "Type", "(", "CT", ")", "51.96", "Word", "Familiarity", "(", "WF", ")", "51.50" ]	[ 1, 0, 1, 0, 1, 0, 1, 0, 2, 0, 2, 0, 2, 0, 3, 4, 0, 1, 0, 0, 3, 4, 0, 1, 0, 0 ]
5112	[ "5", "Conclusions", "The", "spoken", "language", "understanding", "(", "SLU", ")", "system", "discussed", "in", "this", "paper", "is", "entirely", "statistically", "based", "." ]	[ 0, 0, 0, 0, 3, 4, 0, 0, 1, 0, 0, 4, 0, 0, 0, 0, 0, 0, 0 ]
5113	[ "Langman", "dictionary", ".", "Maximum", "Entropy", "(", "MaxEnt", ")", "principle", "has", "been", "successfully", "applied", "in", "many", "classification", "and", "tagging", "tasks", "(", "Rat-" ]	[ 0, 0, 0, 3, 4, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0 ]
5114	[ "generation", "of", "textual", "descriptions", "from", "visual", "data", ",", "robot", "navigation", "tasks", ",", "giving", "directional", "instructions", ",", "and", "geographical", "information", "systems", "(", "GIS", ")", "." ]	[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 4, 0, 1, 0, 0 ]
5115	[ "3.2", "Formal", "basis", ":", "Lexical", "Resource", "Semantics", "Lexical", "Resource", "Semantics", "(", "LRS", ")", "(", "Richter", "and", "Sailer", ",", "2003", ")", "is", "an", "underspecified", "semantic", "formal-" ]	[ 0, 0, 0, 0, 0, 3, 4, 0, 4, 4, 0, 0, 1, 0, 0, 0, 0, 0, 0, 2, 0, 4, 0, 0, 0 ]
5116	[ "Intersection", "(", "I", ")", ",", "Union", "(", "U", ")", ",", "(", "Koehn", "et", "al", ",", "2003", ")", "Grow", "Diagonal", "Final", "(", "GDF", ")", ",", "(", "Och", "and", "Ney", ",", "2003", ")", "H", "refined", "heuristics", "and", "Power", "Mean", "(", "PMn", ")", "alignment", "sets", "where", "n", "=", "5", "." ]	[ 3, 0, 4, 0, 0, 3, 0, 4, 0, 0, 0, 0, 0, 3, 0, 0, 0, 4, 4, 4, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 0, 1, 0, 0, 0, 0, 4, 0, 0, 0 ]
5117	[ "{", "wangruibo", ",", "gaoyahui", "}", "@", "sxu.edu.cn", "Abstract", "In", "this", "paper", ",", "semantic", "role", "labeling", "(", "SRL", ")", "on", "Chinese", "FrameNet", "is", "divided", "into", "the" ]	[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 4, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0 ]
5118	[ "at", "a", "supermarket", "2", "1", "1", "0", "able", "unable", "1", "0", "0", "1", "Table", "1", ":", "Word-based", "Levenshtein", "distance", "(", "LD", ")", "feature", "and", "separated", "edit", "operations", "(", "D", "=", "deletions", ",", "I" ]	[ 0, 3, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 4, 4, 0, 1, 0, 0, 0, 0, 0, 0, 0, 2, 0, 0, 0, 0 ]
5119	[ "We", "use", "four", "groups", "of", "datasets", ".", "The", "first", "group", "comes", "from", "the", "English", "Web", "Treebank", "(", "EWT", ")", ",4", "also", "used", "in", "the", "Parsing", "the", "Web", "shared", "task" ]	[ 3, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 4, 4, 4, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 4, 0, 0 ]
5120	[ "Abstract", "Most", "machine", "transliteration", "systems", "transliterate", "out", "of", "vocabulary", "(", "OOV", ")", "words", "through", "intermediate", "phonemic" ]	[ 0, 0, 0, 0, 0, 0, 3, 4, 4, 0, 1, 0, 0, 0, 0, 0 ]
5121	[ "We", "propose", "a", "method", "to", "improve", "the", "accuracy", "of", "parsing", "bilingual", "texts", "(", "bitexts", ")", "with", "the", "help", "of", "statistical", "machine", "translation", "(", "SMT", ")", "systems", "." ]	[ 0, 0, 3, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 4, 4, 4, 0, 1, 0, 0, 0 ]
5122	[ "leaves=29", ")", ".", "The", "first", "branching", ",", "which", "corresponds", "to", "no", "AP", "(", "Absolute", "Position", ")", "and", "no", "C", "(", "Colour", ")", ",", "assigns", "n", "to", "as", "many", "as", "1571", "instances" ]	[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 3, 4, 0, 0, 0, 3, 0, 4, 0, 0, 0, 4, 0, 0, 0, 0, 0, 0 ]
5123	[ "1", "Introduct", "ion", "Many", "of", "the", "Natural", "Language", "Generation", "(", "NLG", ")", "systems", "that", "produce", "flexible", "output", ",", "i.e", ".", "sentences" ]	[ 0, 0, 3, 0, 0, 0, 0, 4, 4, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0 ]
5124	[ "We", "then", "build", "three", "pairwise", "comparison", "matrices", ":", "one", "comparing", "pairs", "of", "typically", "developing", "(", "TD", ")", "children", ";", "one", "comparing", "pairs", "of", "children", "with", "ASD", ";", "and", "a", "third", "com-" ]	[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 4, 0, 0 ]
5125	[ "6", "Over", "Segmentation", "For", "wrongly", "spelled", "or", "OOV", "(", "out", "of", "vocabulary", ")", "Urdu", "words", ",", "the", "system", "may", "forcibly", "break", "the" ]	[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 4, 0, 0, 0, 0, 0, 0, 0, 0, 0 ]
5126	[ "Verbs", "can", "also", "involve", "non-core", "modifier", "arguments", ",", "such", "as", "ArgMTMP", "(", "time", ")", ",", "ArgM-LOC", "(", "location", ")", ",", "ArgM-CAU", "(", "cause", ")", ",", "etc", "." ]	[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 3, 0, 0, 0, 0, 3, 0, 0, 1, 0, 3, 0, 0, 0, 0 ]
5127	[ "SYSTEM", "ARCHITECTURE", "The", "TIA", "used", "for", "MUC-3", "was", "developed", "from", "the", "AD-TIA", "(", "Alternate", "Domain", "TIA", ")", ".", "This", "system", ",", "shown" ]	[ 0, 0, 0, 3, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 4, 4, 4, 0, 0, 0, 0, 0 ]
5128	[ "In", "this", "paper", ",", "we", "introduce", "a", "novel", "method", "called", "Random", "Manhattan", "Indexing", "(", "RMI", ")", ".", "RMI" ]	[ 3, 0, 0, 0, 0, 0, 4, 0, 0, 0, 0, 4, 4, 0, 0, 1, 0, 0 ]
5129	[ "Abstract", "Crowd-sourcing", "approaches", "such", "as", "Amazon", "?", "s", "Mechanical", "Turk", "(", "MTurk", ")", "make", "it", "possible", "to", "annotate", "or", "collect", "large", "amounts", "of" ]	[ 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 0, 2, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0 ]
5130	[ "vestigate", "four", "factors", ":", "text", "length", "(", "TL", ")", ",", "sentence", "length", "(", "SL", ")", ",", "average", "number", "of", "words", "per", "sentence", "(", "WS", ")", ",", "and", "average", "number", "of", "characters", "per", "word", "(", "CW", ")", ".", "Since" ]	[ 0, 0, 0, 0, 3, 3, 0, 1, 0, 0, 3, 4, 0, 1, 0, 0, 0, 0, 0, 4, 4, 4, 0, 1, 0, 0, 0, 0, 0, 0, 4, 4, 4, 0, 1, 0, 0, 0 ]
5131	[ "Our", "initial", "experiment", "includes", "language", "model", "(", "LM", ")", ",", "word", "posterior", "probability", "(", "WPP", ")", ",", "confusion", "network", "(", "CN", ")", ",", "and", "word", "lexicon", "(", "WL", ")", "features", "for", "a", "total", "of", "11" ]	[ 0, 0, 0, 0, 3, 4, 0, 1, 0, 0, 3, 4, 4, 0, 1, 0, 0, 3, 4, 0, 1, 0, 0, 0, 4, 4, 0, 1, 0, 0, 0, 4, 0, 0, 0 ]
5132	[ "Figure", "5", ":", "Example", "GMM", "fitting", "2", ".", "Gaussian", "mixture", "model", "(", "GMM", ")", "-based", "POI", "probability", "(", "prior", ")", "calculation" ]	[ 0, 0, 0, 0, 1, 0, 0, 0, 3, 4, 4, 0, 2, 0, 0, 1, 0, 0, 0, 0, 0 ]
5133	[ "other", "synthesis", "techniques", ".", "The", "TD-PSOLA", "(", "Time", "Domain", "Pitch", "Synchronous", "Overlap-add", ")", "developed", "by", "CNET", "is", "a", "very", "simple", "but", "ingenious", "method", "which", "assures", "high", "voice", "quality", ",", "the", "only", "disadvantage", "is", "that", "it", "is", "based", "on", "a", "time", ":" ]	[ 0, 0, 0, 0, 0, 1, 0, 3, 4, 4, 4, 4, 0, 0, 0, 1, 0, 4, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 4, 0, 0, 4, 4, 0, 0 ]
5134	[ "direct", "analogy", "to", "Sidner", "'s", "\\", "[", "26\\", "]", "potential", "local", "foci", ",", "and", "assumes", "only", "one", "temporal", "referent", "in", "the", "temporal", "focus", "(", "TF", ")", "." ]	[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 0, 0, 0, 4, 4, 0, 1, 0, 0 ]
5135	[ "?", "Modifier", "substitution", "(", "M-Sub", ")", ":", "t2", "is", "a", "substitution", "of", "t~", "if", "and", "only", "if", ":" ]	[ 0, 0, 3, 0, 0, 1, 0, 0, 0, 0, 4, 0, 0, 4, 0, 0, 4, 0 ]
5136	[ "the", "Tomita", "parser", ",", "which", "handles", "Japanese", "and", "Spanish", "as", "well", "as", "English", ".", "The", "parser", "output", "is", "grammatical", "structures", "called", "Functionally", "Labelled", "Templates", "(", "FLTs", ")", "which", "are", "built", "using", "a", "linguistic", "formalism", "that", "modifies", "and", "extends", "the", "f-structure", "of", "Lexical-Functional", "Grammar", "(", "LFG", ")", "." ]	[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 4, 0, 1, 0, 0, 0, 0, 0, 3, 0, 0, 0, 0, 0, 0, 0, 0, 0, 4, 4, 0, 1, 0, 0 ]
5137	[ "MT", "is", "one", "of", "the", "oldest", "and", "most", "important", "areas", "of", "Natural", "Language", "Processing", "(", "NLP", ")", "/", "Computational", "Linguistics", "(", "CL", ")", ".2", "From", "its", "beginnings", "we", "have", "witnessed", "some", "changes", "in", "the" ]	[ 1, 3, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 4, 0, 1, 0, 0, 4, 4, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 4, 0 ]
5138	[ "and", "round", "corners", "for", "processes", ".", "Lexical", "access", "is", "applied", "to", "the", "input", "string", "to", "produce", "(", "nondeterministically", ")", "the", "extended", "lexical", "item", "(", "ELI", ")", "of", "each", "word", ".", "Its", "output", "is", "split" ]	[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 4, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0 ]
5139	[ "1", "Introduction", "Question", "answering", "(", "QA", ")", "system", "aims", "at", "finding", "exact", "answers", "to", "a", "natural", "language", "question", "." ]	[ 0, 0, 0, 3, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 4, 0, 0, 0, 0 ]
5140	[ "All", "words", "are", "labeled", "as", "basic", "or", "not", "basic", "according", "to", "Ogden", "?", "s", "Basic", "English", "850", "(", "BE850", ")", "list", "(", "Ogden", ",", "1930", ")", ".3", "In", "order", "to", "measure", "the", "lexical", "complexity" ]	[ 0, 0, 0, 0, 3, 0, 0, 0, 0, 0, 0, 0, 0, 4, 4, 4, 4, 0, 2, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0 ]
5141	[ "For", "all", "the", "reasons", "listed", "above", ",", "a", "dictionary", "of", "Turkish", "Language", "Association", "(", "TLA", ")", "is", "used", "in", "this", "study", "." ]	[ 0, 0, 0, 0, 0, 0, 0, 3, 0, 0, 0, 4, 4, 4, 0, 1, 4, 0, 0, 0, 0, 0 ]
5142	[ "the", "classification", "of", "various", "verb", "groups", "(", "generic", "verbs", "versus", "specific", "verbs", ")", "based", "on", "the", "semantic", "distance", "with", "Latent", "Semantic", "Analysis", "(", "LSA", ")", "and", "Cluster", "Analysis", "." ]	[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 4, 0, 1, 0, 0, 0, 4, 0 ]
5143	[ "Recently", ",", "McDonald", "et", "al", "(", "2005b", ")", "formalized", "dependency", "parsing", "as", "a", "maximum", "spanning", "tree", "(", "MST", ")", "problem", ",", "which", "can", "be", "solved", "in", "quadratic", "time", "relative" ]	[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 4, 4, 0, 1, 0, 0, 0, 0, 0, 0, 0, 4, 0, 0, 0 ]
5144	[ "SC", "is", "mainly", "used", "in", "mainland", "China", "while", "TC", "is", "mainly", "used", "in", "Taiwan", "and", "Hong", "Kong", "(", "HK", ")", ".", "In", "this", "experiment", ",", "we", "further" ]	[ 1, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 3, 4, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0 ]
5145	[ "1", "Introduction", "1.1", "Background", "Back", "in", "2004", ",", "ETV", "(", "Eenadu", "Television", ")", ",", "Hyderabad", ",", "felt", "a", "need", "for", "a", "text", "editor", "to", "prepare", "news" ]	[ 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 3, 4, 0, 0, 0, 0, 0, 4, 0, 0, 4, 0, 0, 0, 0, 0 ]
5146	[ "imated", "conversational", "characters", "from", "recordings", "of", "human", "performance", ".", "ACM", "Transactions", "on", "Graphics", "(", "TOG", ")", ",", "23", "(", "3", ")", ":506", "?", "513", "." ]	[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 3, 4, 4, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0 ]
5147	[ "TEXT", ")", ",", "DECL", "(", "Declarative", ")", ",", "HON", "(", "Honorific", ")", ",", "IMPER", "(", "Imperative", ")", ",", "NOM", "(", "Nominative", ")", ",", "ORTH", "(", "ORTHOGRAPHY", ")", ",", "PST", "(", "Past", ")", ",", "SYN", "(", "SYNTAX", ")", ",", "SEM", "(", "SEMANTICS", ")", ",", "RELS", "(", "RELATIONS", ")", ",", "and", "POS", "(", "part", "of", "speech", ")", "." ]	[ 0, 0, 0, 1, 0, 3, 0, 0, 1, 0, 3, 0, 0, 1, 0, 3, 0, 0, 1, 0, 3, 0, 0, 3, 0, 4, 0, 0, 1, 0, 3, 0, 0, 3, 0, 4, 0, 0, 3, 0, 4, 0, 0, 1, 0, 3, 0, 0, 0, 1, 0, 3, 4, 4, 0, 0 ]
5148	[ "that", "provides", "a", "good", "compression", "rate", "of", "the", "text", ".", "3.2", "Byte", "Pair", "Encoding", "(", "BPE", ")", "Byte", "Pair", "Encoding", "(", "BPE", ")", "(", "Gage", ",", "1994", ")", "is", "a", "sim-" ]	[ 0, 0, 3, 0, 0, 0, 0, 0, 0, 0, 0, 4, 4, 4, 0, 1, 0, 4, 4, 4, 0, 2, 0, 0, 0, 0, 0, 0, 0, 4, 0 ]
5149	[ "2.2", "Thread-level", "analysis", "Next", ",", "we", "perform", "named", "entity", "recognition", "(", "NER", ")", "over", "each", "thread", "to", "identify", "entities", "such", "as", "package" ]	[ 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0 ]
5150	[ "and", "tfidf", "of", "unigrams", ",", "bigrams", ",", "and", "trigrams", ".", "DAL", "(", "Dictionary", "of", "Affect", "in", "Language", ")", "is", "a", "psycholinguistic", "resource", "to", "measure", "the", "emo-" ]	[ 0, 0, 3, 0, 0, 0, 0, 0, 0, 0, 1, 0, 4, 4, 4, 4, 4, 0, 0, 4, 0, 0, 0, 0, 0, 0 ]
5151	[ "nuqaqa", "llakiy", "qhachqa", "p", "?", "achakunata", "churakurqani", ".", "Abbreviations", ":", "AMLQ", "=", "Academia", "Mayor", "de", "la", "Lengua", "Quechua", "en", "Cusco", ",", "norm", "=", "normalized", ",", "span", "=", "Spanish", "orthography", ",", "boliv", "=", "(", "old", ")", "Bolivian", "orthography", "Table", "1", ":", "Different", "Orthographies", "with", "Corresponding", "Standardized", "Version" ]	[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 3, 4, 4, 4, 4, 4, 4, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0 ]
5152	[ "collected", "as", "follows", ":", "Positive", "Diccn", ":", "3,730", "Chinese", "positive", "terms", "(", "e.g.", ",", "/good-looking", ",", "/", "lucky", ")", "were", "collected", "from", "the", "Chinese", "Vocabulary", "for", "Sentiment", "Analysis", "(", "VSA", ")", "20", "released", "by", "HOWNET", "." ]	[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 4, 4, 0, 1, 0, 0, 0, 0, 1, 0 ]
5153	[ "The", "system", "includes", "four", "main", "stages", ":", "topic", "classification", ",", "named", "entity", "recognition", "(", "NER", ")", ",", "disease/location", "detection", ",", "and", "visualization", "." ]	[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0 ]
5154	[ "based", "classifier", "is", "used", "to", "select", "the", "most", "informative", "examples", "for", "training", "an", "another", "type", "of", "classifier", "based", "on", "multinomial", "na", "?", "ve", "Bayes", "(", "NB", ")", "model", "(", "McCallum", "and", "Nigam", ",", "1998b", ")", "." ]	[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 4, 4, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0 ]
5155	[ "bic", "Diacritics", ".", "In", "Proceedings", "of", "the", "21st", "International", "Conference", "on", "Computational", "Linguistics", "(", "COLING", ")", "and", "the", "44th", "Annual", "Meeting", "of", "the", "the", "Association" ]	[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 4, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0 ]
5156	[ "any", "hypotheses", "between", "frames", "and", "events", ".", "(", "2", ")", "SameFrame", "(", "SF", ")", "is", "the", "second", "baseline", "system", ",", "which", "applies", "H1", "over", "the", "results", "from", "AN-" ]	[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0 ]
5157	[ "In", "Proceedings", "of", "the", "46th", "Annual", "Meeting", "of", "the", "Association", "for", "Computational", "Linguistics", "(", "ACL", ")", "." ]	[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 4, 4, 0, 1, 0, 0 ]
5158	[ "?", "similar", "count", "?", "score", "(", "SC", ")", "is", "calculated", "as", "the", "number", "of", "characters", "that", "match", "between", "two" ]	[ 0, 0, 0, 0, 3, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0 ]
5159	[ "constituent", "boundary", "prediction", "algorithm", ",", "the", "followiug", "measures", "were", "used", ":", "1", ")", "The", "cost", "time", "(", "CT", ")", "of", "the", "kernal", "functions", "(", "CPU", ":", "Celeron", "TM", "366", ",", "RAM", ":", "64M", ")", "." ]	[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 0, 0, 1, 0, 0, 0, 0, 0, 0, 1, 0, 0, 1, 0, 0, 1, 0, 0, 0, 0 ]
5160	[ "Simple", "Segmentation", "Algorithm", "(", "SSA", ")", ":", "1", "." ]	[ 0, 3, 4, 4, 0, 1, 2, 0, 0 ]
5161	[ "For", "example", ",", "the", "s", "t", "ruc", "ture", "tn", "whtch", "ad", "jec", "t", "ives", "(", "ADJ", ")", "repeat", "a", "rb", "i", "t", "ra", "ry", "ttmes", "and", "a", "noun", "(", "N", ")", "fo", "l", "lows", "them", "tn", "Engl", "lsh", "ts", "expressed", "as" ]	[ 0, 0, 0, 0, 3, 4, 0, 0, 0, 0, 0, 4, 4, 4, 0, 0, 1, 0, 0, 0, 4, 4, 0, 0, 0, 0, 0, 0, 0, 0, 2, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0 ]
5162	[ "ALO", "(", "in", "to", ")", "RO", "(", "OST", "LOC", ")", "PO", "(", "PRE", ")", "ON", "(", "VO", ")", ")" ]	[ 1, 0, 0, 0, 0, 1, 0, 1, 1, 0, 3, 0, 1, 0, 0, 0, 1, 0, 0 ]
5163	[ "be", "intuitively", "characterized", "as", "a", "way", "of", "trigger-", "ing", "semantically", "related", "concepts", "which", "define", "for", "each", "role", "the", "projective", "conclusion", "space", "(", "PCS", ")", "." ]	[ 0, 0, 0, 0, 3, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 4, 4, 4, 0, 1, 0, 0 ]
5164	[ "September/NNP", "\\", "]", "\\", "[", "O", "./", ".", "\\", "]", "we", "can", "extract", "following", "chunk", "patterns", ":", "NP=NULL", "90", "PRP", "99", "VBZ", "VP=PRP", "99", "VBZ", "99", "DT" ]	[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0 ]
5165	[ "term", "t", "appears", "in", "position", "i", "around", "the", "entity", ".", "Bigram", "Context", "(", "BCON", ")", ":", "The", "bigram-based", "context", "model", "was", "built", "in", "a", "similar", "way", "to", "UCON", "," ]	[ 0, 3, 0, 0, 0, 4, 0, 0, 0, 0, 4, 4, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 4, 0, 0, 0, 1, 0 ]
5166	[ "In", "NAACL", "Workshop", "on", "Syntax", "and", "Structure", "in", "Statistical", "Translation", "(", "SSST", ")", ",", "pages", "25", "?", "32", ",", "Rochester", ",", "NY", "." ]	[ 0, 1, 0, 3, 0, 0, 0, 0, 4, 4, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0 ]
5167	[ "search", "engine", ",", "e.g.", ",", "Google", ",", "Bing", ",", "etc", ".", "and", "(", "ii", ")", "a", "database", "(", "DB", ")", "system", "for", "accessing", "previously", "resolved", "crossword", "puz-" ]	[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0 ]
5168	[ "extraction", "(", "RE", ")", "in", "a", "bootstrapping", "framework", "are", "regarded", "as", "very", "effective", "methods", "for", "building", "information", "extraction", "(", "IE", ")", "systems", "and", "for", "adapting", "them", "to", "new", "domains", "(", "e.", "g.", ",", "(", "Riloff", "," ]	[ 3, 0, 1, 0, 4, 4, 0, 0, 0, 0, 0, 0, 0, 0, 4, 0, 4, 4, 0, 1, 0, 0, 0, 4, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0 ]
5169	[ "ISREM", "1", "iff", "the", "candidate", "occurs", "2", "or", "more", "sentences", "before", "the", "anaphor", "POSITION", "1", "iff", "the", "antecedent", "occurs", "before", "anaphor", "SEMANTIC", "ROLE", "LABELLING", "(", "SR", ")", "IVERB", "1", "iff", "the", "governing", "verb", "of", "the", "given", "candidate", "is", "an", "issue", "verb" ]	[ 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 3, 4, 0, 0, 2, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0 ]
5170	[ "using", "the", "written", "and", "spoken", "language", "corpora", ".", "Occurrence", "probabilities", "(", "OPs", ")", "of", "expressions", "in", "the", "written", "and", "spoken", "language", "corpora", "can", "be", "used", "to", "dis-" ]	[ 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0 ]
5171	[ "We", "experiment", "with", "multiple", "ways", "to", "select", "a", "snippet", ":", "the", "first", "50", "words", "of", "the", "summary", "(", "START", ")", ",", "the", "last", "50", "words", "(", "END", ")", "and", "50", "words", "starting", "at", "a", "randomly", "chosen", "sentence" ]	[ 0, 0, 0, 0, 0, 0, 0, 3, 0, 0, 0, 0, 0, 0, 0, 0, 4, 0, 1, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 4, 0, 0, 0 ]
5172	[ "Pattern", "Pattern", "Patterns", "composed", "of", "high", "frequency", "words", "(", "HFWs", ")", "4" ]	[ 0, 0, 0, 0, 0, 3, 4, 4, 0, 1, 0, 0 ]
5173	[ "that", "combining", "additional", "knowledge", "sources", ",", "including", "lexical", "features", "(", "LX1", ")", "and", "the", "non-verbal", "features", ",", "prosody", "(", "PROS", ")", ",", "motion", "(", "MOT", ")", ",", "and", "context", "(", "CTXT", ")", ",", "yields", "a", "further", "improvement", "(", "of", "8.8", "%" ]	[ 0, 0, 0, 0, 0, 0, 0, 3, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 0, 1, 0, 0, 3, 0, 1, 0, 0, 0, 3, 0, 1, 0, 0, 0, 4, 0, 0, 0, 0, 0, 0 ]
5174	[ "(", "ADV", ")", ",", "cause", "(", "CAU", ")", ",", "direction", "(", "DIR", ")", ",", "extent", "(", "EXT", ")", ",", "location", "(", "LOC", ")", ",", "manner", "(", "MNR", ")", ",", "and", "time", "(", "TMP", ")", ",", "modal", "verbs", "(", "MOD", ")", ",", "negative", "markers", "(", "NEG", ")", ",", "and", "discourse", "connectives", "(", "DIS", ")", "." ]	[ 0, 1, 0, 0, 3, 0, 1, 0, 0, 3, 0, 1, 0, 0, 3, 0, 1, 0, 0, 3, 0, 1, 0, 0, 3, 0, 1, 0, 0, 0, 3, 0, 1, 0, 0, 3, 0, 0, 1, 0, 0, 3, 0, 0, 1, 0, 0, 0, 3, 0, 0, 1, 0, 0 ]
5175	[ "than", "three", "thousand", "five", "hundred", "days", "of", "imprisonment", ".", "Figure", "4", ":", "Example", "translation", "using", "the", "back-off", "and", "the", "continuous", "space", "language", "model", "(", "CSLM", ")", "." ]	[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 4, 4, 0, 1, 0, 0 ]
5176	[ "Inspired", "by", "the", "work", "of", "web", "search", "(", "Gao", "et", "al2010", ")", "and", "question", "retrieval", "in", "community", "question", "answer", "(", "Q", "&", "A", ")", "(", "Zhou", "et", "al2011", ")", ",", "we", "assume", "the", "following", "generative" ]	[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 0, 0, 0, 4, 4, 0, 1, 2, 2, 0, 0, 0, 0, 0, 0, 0, 4, 0, 0, 0, 0 ]
5177	[ "As", "an", "extension", ",", "Zhang", "et", "al", "(", "2008a", ")", "proposed", "two", "more", "categories", ":", "Structure", "Reordering", "Rules", "(", "SRR", ")", "and", "Discontiguous", "Phrase", "Rules", "(", "DPR", ")", "." ]	[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 3, 0, 1, 0, 0, 4, 4, 4, 0, 1, 0, 0 ]
5178	[ "the", "MACH-III", "expert", "system", ",", "we", "should", "begin", "with", "a", "brief", "description", ".", "Functional", "hierarchy", "(", "FH", ")", "is", "a", "new", "paradigm", "for", "organizing", "expert", "system" ]	[ 0, 1, 0, 0, 0, 0, 0, 0, 0, 3, 0, 0, 0, 4, 4, 0, 1, 0, 0, 4, 0, 0, 0, 0, 0, 0 ]
5179	[ "In", "this", "paper", "we", "investigate", "the", "relation", "between", "positive", "and", "negative", "pairs", "in", "Textual", "Entailment", "(", "TE", ")", ",", "in", "order", "to", "highlight", "the", "role", "of", "contradiction", "in", "TE" ]	[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 2 ]
5180	[ "typically", "expressed", "inTopic", "Statements", ".", "The", "Subject", "Field", "Coder", "(", "SFCoder", ")", "uses", "an", "establishet~", "semantic", "oding", "scheme", "from", "the", "machine-" ]	[ 0, 0, 0, 0, 0, 0, 3, 4, 4, 0, 2, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0 ]
5181	[ "abbreviations", ".", "ACM", "Transactions", "on", "Information", "Systems", "(", "TOIS", ")", ",", "24", "(", "3", ")", ":380", "?", "404", "." ]	[ 0, 0, 1, 3, 4, 4, 4, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0 ]
5182	[ "The", "evaluation", "strategy", "follows", "the", "global", "standard", "as", "Text", "Retrieval", "Conference", "(", "TREC", ")", "8", "metrics", ".", "It" ]	[ 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 4, 0, 1, 0, 0, 0, 0, 0 ]
5183	[ "method", "for", "unambiguous", "bilingual", "segmentation", "where", "tokens", "are", "defined", "as", "minimal", "phrases", ",", "called", "minimal", "translation", "units", "(", "MTUs", ")", ".", "Figure", "1" ]	[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 0, 0, 0, 4, 4, 4, 0, 1, 0, 0, 0, 0 ]
5184	[ "for", "PTB", "III", "data", "evaluated", "by", "label", "accuracy", "system", "test", "additional", "resources", "JESS-CM", "(", "CRF/HMM", ")", "95.15", "1G-word", "unlabeled", "data", "94.67", "15M-word", "unlabeled", "data" ]	[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0 ]
5185	[ "We", "used", "an", "online-large", "margin", "algorithm", ",", "MIRA", "(", "McDonald", "and", "Pereira", ",", "2006", ";", "Crammer", "et", "al", ",", "2005", ")", ",", "for", "updating", "the", "weights", "." ]	[ 0, 0, 3, 0, 0, 0, 4, 0, 0, 0, 4, 4, 4, 0, 0, 0, 0, 4, 4, 0, 0, 4, 0, 0, 0, 0, 0 ]
5186	[ "notation", "for", "real-world", "applications", ".", "In", "Machine", "Translation", "(", "MT", ")", "Quality", "Estimation", "(", "QE", ")", ",", "for", "instance", ",", "using", "human-" ]	[ 0, 0, 0, 0, 0, 0, 3, 4, 0, 1, 0, 3, 4, 0, 1, 0, 0, 0, 0, 0, 0, 0 ]
5187	[ "2011a", ".", "Overview", "of", "the", "Infectious", "Diseases", "(", "ID", ")", "task", "of", "BioNLP", "Shared", "Task", "2011", "." ]	[ 0, 0, 0, 0, 0, 3, 4, 0, 1, 0, 0, 0, 1, 0, 0, 0, 0 ]
5188	[ "?", "Term", "Base", "eXchange", "(", "TBX", ")", ":", "XML", "Terminology", "Exchange", "Standard", "." ]	[ 0, 0, 3, 4, 0, 0, 1, 0, 0, 0, 0, 0, 0 ]
5189	[ "There", "were", "four", "data", "sources", "used", "in", "the", "training", "set", ":", "the", "Wall", "Street", "Journal", ",", "Associated", "Press", ",", "Federal", "Register", "(", "FR", ")", ",", "and", "Department", "of", "215" ]	[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 0, 1, 0, 0, 0, 0, 0, 0 ]
5190	[ "resolution", "pipeline", "consisted", "primarily", "of", "the", "C", "&", "C", "parser", "and", "Boxer", "(", "Curran", "et", "al", ",", "2007", ")", ",", "which", "produce", "Discourse", "Representation", "Structures", "(", "DRSs", ")", "." ]	[ 0, 0, 0, 0, 0, 0, 1, 2, 2, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 4, 0, 1, 0, 0 ]
5191	[ "\u0007\u0002", "B", "\u0007", "E", "B", "\u0004", "\u0014", "\u0005E", "B", "\u0002\u0014", "B", "\u0019\u0002F\u0013\u0003E\b\u0007", "B", "AE", "EA", "B", "\u0017\u0015", "B", "\u0005\u0013\u0003\u0003\u0006\b", ")", "B", ",", "\u0002\u0014", "B", "A\u0007E\u0014\b", "\u0007\u0006", "EA\u0015", "B", "\u0004E\u0014\u001a\u0002\u0014\u0003\u0006\b", ")", "B", "F\u0002\u0003\u0004\u0002\bE\b\u0007+", "$", "\u0006\u0005EB", "\u0003\u0013A\u0007\u0006\u0004A\u0006F", "\u0007\u0006\u0002\bH0", "B", "\u0002\u001a", "B", "$", "\u0002\u0014\u0019", "B", "EF\u0007\u0002\u0014\u0005", "B", ",", "\u001bF", "I\u0007JE", "''", "B", "/66B0", "&", "B", "(", "\u0006\u0005", "B", "\u0005", "B", "\u0007", "E", "B", "\u0019", "\b\u0007", ")", "E", "B", "\u0007", "\u0007", "B", "\u0006\u0007", "B", "\u0006\u0005", "B", "\u0006\u0003\u0003E\u0019\u0006", "\u0007EA\u0015B", "\u0004\u0004A\u0006F", "\u0017AEB\u0007\u0002B", "\b\u0015B\u0003\u0002\u0019EAB\u0006\bB", "$", "\u0006F", "B", "$", "\u0002\u0014\u0019B\u0003E", "\b\u0006\b", ")", "BF", "\bB\u0017EBED\u0004\u0014E\u0005\u0005E\u0019B", "\u0005B", "B", "EF\u0007\u0002\u0014", "&", "B", "(", "EB\u0004\u0014\u0006\bF\u0006\u0004AEBA\u0006\u0003\u0006\u0007", "\u0007\u0006\u0002\bB", "\u0002\u001aBF\u0002\u0013\u0014\u0005EB\u0006\u0005B\u0007", "\u0007B\u0007", "\u0006\u0005B\u0007", "'", "E\u0005B\b\u0002B", "FF\u0002\u0013\b\u0007B\u0002\u001aB", "$", "\u0002\u0014\u0019B\u0002\u0014\u0019E\u0014", "&", "B", "(", "E\u0014E\u001a\u0002\u0014E", "''", "B", "$", "\u0006AEB\u0006\u0007B", "\u0005B\u0004\u0014\u0002", "E\bBE\u001a\u001aEF\u0007\u0006", "EB\u0006\bB\u0007", "EB" ]	[ 1, 3, 4, 4, 4, 4, 4, 0, 4, 2, 4, 0, 4, 4, 0, 4, 0, 4, 0, 0, 4, 0, 2, 4, 0, 0, 0, 4, 0, 0, 4, 0, 0, 0, 0, 0, 4, 0, 4, 0, 0, 4, 0, 4, 0, 0, 0, 0, 4, 0, 2, 4, 0, 0, 4, 0, 4, 4, 4, 4, 0, 0, 0, 4, 4, 4, 4, 4, 4, 4, 0, 4, 0, 0, 0, 0, 0, 0, 0, 4, 0, 0, 0, 0, 0, 0, 0, 4, 2, 2, 4, 0, 4, 0, 0, 0, 0, 0, 0, 0, 0, 0, 2, 4, 0, 0, 0, 4, 0, 0, 0, 0, 0, 4 ]
5192	[ "(", "Schubert", "1987", ";", "Maxwell", "&", "Schubert", "1989", ")", ",", "and", "fig-", "ure", "1", "shows", "the", "dependency", "trees", "for", "this", "example", ",", "cross-coded", "for", "translation", "units", "(", "TUs", ")", ".", "Each", "ellipse" ]	[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 0, 1, 0, 0, 0, 0 ]
5193	[ "edges", ".", "The", "NEs", "includes", "personal", "name", "(", "PRE", ")", ",", "location", "name", "(", "LOC", ")", "and", "organization", "name", "(", "ORG", ")", "." ]	[ 0, 0, 0, 1, 0, 3, 0, 0, 1, 0, 0, 3, 0, 0, 1, 0, 0, 3, 0, 0, 1, 0, 0 ]
5194	[ "We", "describe", "our", "approach", "towards", "building", "a", "Wordnet", "for", "Tunisian", "dialect", "(", "TD", ")", ".", "We", "proceed", ",", "first-" ]	[ 0, 0, 0, 0, 0, 0, 3, 0, 0, 4, 4, 0, 1, 0, 0, 0, 0, 0, 0 ]
5195	[ "Note", "that", "for", "the", "purposes", "of", "Figure", "1", ":", "Example", "Babytalk", "Input", "Data", ":", "Sensors", "HR", "=", "Heart", "Rate", ";", "TcPO2", "=", "blood", "O2", "level", ";", "TCPCO2", "=", "blood", "CO2", "level", ";", "SaO2", "=", "oxygen", "saturation", ";", "T1", "=", "chest" ]	[ 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 1, 0, 3, 4, 0, 1, 0, 3, 4, 0, 0, 2, 0, 4, 4, 0, 0, 2, 0, 3, 4, 0, 2, 0, 0 ]
5196	[ "3.1", "Data", "and", "preprocessing", "All", "embeddings", "are", "trained", "on", "22", "million", "tokens", "from", "the", "the", "North", "American", "News", "Text", "(", "NANT", ")", "corpus", "(", "Graff", ",", "1995", ")", "." ]	[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 4, 4, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0 ]
5197	[ "Extraction", "Abbreviations", "NE", "=", "Named", "Entity", "CE", "=", "Correlated", "Entity" ]	[ 0, 0, 1, 0, 3, 3, 1, 0, 4, 4 ]
5198	[ "internal", "structure", ".", "This", "type", "of", "expression", "is", "an", "example", "of", "what", "will", "be", "called", "a", "``", "comp\\", "]", "ex", "basic", "expression", "''", "(", "CBE", ")", "." ]	[ 0, 0, 0, 0, 0, 0, 3, 0, 0, 0, 0, 0, 0, 0, 0, 4, 0, 4, 4, 4, 4, 4, 0, 0, 1, 0, 0 ]
5199	[ "bath", "?", ")", ".", "The", "builder", "can", "choose", "to", "represent", "binaries", "as", "either", "relational", "noun", "phrases", "(", "RELNP", ")", "or", "generalized", "transitive", "verbs", "(", "VP/NP", ")", "." ]	[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 0, 4, 4, 4, 0, 1, 0, 0, 0, 0, 3, 0, 1, 0, 0 ]

5100

[ "October-2001", "w/out", "2000", "SPA", "30.88" ]

[ 0, 0, 0, 1, 0 ]

5101

[ "We", "also", "used", "two", "Korean", "speech", "recognizers", ":", "a", "speech", "recognizer", "made", "by", "LG-Elite", "(", "LG", "Electronics", "Institute", "of", "Technology", ")", "and", "a", "Korean", "commercial", "speech", "recog-" ]

[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 3, 4, 4, 0, 0, 0, 0, 0, 0, 0, 0, 0 ]

5102

[ "2001", ".", "Linguistic", "Inquiry", "and", "Word", "Count", "(", "LIWC", ")", ":", "LIWC2001", "." ]

[ 0, 0, 0, 3, 4, 4, 4, 0, 0, 1, 0, 0, 0 ]

5103

[ "ory", "(", "Mann", "and", "Thompson", ",", "1988", ")", ",", "or", "RST", ",", "represents", "text", "by", "labeled", "hierarchical", "structures", "called", "Discourse", "Trees", "(", "DTs", ")", ",", "which", "can", "incorporate", "several", "layers", "of", "other", "linguistic", "information", ",", "e.g.", "," ]

[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0 ]

5104

[ "the", "Internet", "(", "Colbath", ",", "2012", ")", ".", "Social", "media", "poses", "three", "major", "computational", "challenges", ",", "dubbed", "by", "Gartner", "the", "3Vs", "of", "big", "data", ":", "volume", ",", "velocity", ",", "and", "variety1", ".", "Natural", "Language", "Processing", "(", "NLP", ")", "methods", ",", "in", "particular", ",", "face", "further", "difficulties", "arising", "from", "the", "short", ",", "noisy", ",", "and", "strongly", "contextualised", "nature", "of", "social", "media", ".", "In", "order", "to", "address", "the", "3Vs", "of", "social", "media", ",", "new", "language", "technologies", "have", "emerged", ",", "such", "as", "the", "identification", "and", "definition", "of", "users", "'", "language", "varieties", "and", "the", "translation", "to", "a", "different", "language", ",", "than", "the", "source", "." ]

[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 4, 0, 1, 0, 0, 0, 4, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 4, 0, 0, 0, 0, 0, 0, 0 ]

5105

[ "the", "feature", "structures", "which", "are", "associated", "with", "each", "node", ",", "which", "prohibit", "certain", "compositions", ",", "are", "not", "shown", ".", "Note", "also", "that", "this", "is", "not", "a", "lexicalised", "TAG", "(", "LTAG", ")", ".", "This", "is", "somewhat", "unusual", ";", "we", "intend", ",", "as" ]

[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 0, 4, 4, 4, 0, 2, 0, 0, 0, 4, 0, 0, 0, 0, 0, 0, 0 ]

5106

[ "would", "also", "be", "possible", ".", "Personalized", "PageRank", "similarity", "(", "PPR", ")", "(", "Agirre", "and", "Soroa", ",", "2009", ")", "measures", "the", "semantic", "relatedness", "between", "two", "word", "senses", "s" ]

[ 0, 0, 0, 0, 0, 3, 4, 4, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 4 ]

5107

[ "5", "Clustering", "Methods", "Spectral", "clustering", "(", "SPEC", ")", "has", "proved", "promising", "in", "previous", "verb", "clustering", "experiments", "(", "Brew" ]

[ 0, 0, 0, 0, 3, 0, 0, 1, 0, 0, 0, 4, 0, 0, 4, 0, 0, 0 ]

5108

[ "TGTM", "P=p", ",", "pk", ",", "b", "TGTM", "PR=pr", ",", "pkr", ",", "b", "r", "TGTM", "PL", "=p", "l", ",", "ph", "l", ",", "b", "l" ]

[ 0, 0, 3, 0, 4, 0, 0, 0, 4, 0, 4, 0, 0, 0, 0, 1, 4, 4, 0, 4, 4, 0, 4 ]

5109

[ "S", "#", "for", "the", "count", "in", "non-speculative", "ones", ")", "3", "Methods", "Conditional", "random", "fields", "(", "CRF", ")", "model", "was", "firstly", "introduced", "by", "Lafferty", "et", "al", "(", "2001", ")", "." ]

[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 4, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 4, 0, 0, 0, 0 ]

5110

[ "(", "5", ")", "Rank", "Value", ":", "i", ".", "Top", "Rank", "(", "T-Rank", ")", ":", "The", "rank", "of", "snippet", "that", "first", "contains", "the", "candidate", "." ]

[ 0, 0, 1, 3, 0, 0, 0, 0, 0, 4, 0, 0, 2, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0 ]

5111

[ "TH", "+", "DR", "+", "EG", "+", "LC", "56.51", "TH", "+", "EG", "+", "LC", "56.50", "Character", "Type", "(", "CT", ")", "51.96", "Word", "Familiarity", "(", "WF", ")", "51.50" ]

[ 1, 0, 1, 0, 1, 0, 1, 0, 2, 0, 2, 0, 2, 0, 3, 4, 0, 1, 0, 0, 3, 4, 0, 1, 0, 0 ]

5112

[ "5", "Conclusions", "The", "spoken", "language", "understanding", "(", "SLU", ")", "system", "discussed", "in", "this", "paper", "is", "entirely", "statistically", "based", "." ]

[ 0, 0, 0, 0, 3, 4, 0, 0, 1, 0, 0, 4, 0, 0, 0, 0, 0, 0, 0 ]

5113

[ "Langman", "dictionary", ".", "Maximum", "Entropy", "(", "MaxEnt", ")", "principle", "has", "been", "successfully", "applied", "in", "many", "classification", "and", "tagging", "tasks", "(", "Rat-" ]

[ 0, 0, 0, 3, 4, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0 ]

5114

[ "generation", "of", "textual", "descriptions", "from", "visual", "data", ",", "robot", "navigation", "tasks", ",", "giving", "directional", "instructions", ",", "and", "geographical", "information", "systems", "(", "GIS", ")", "." ]

[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 4, 0, 1, 0, 0 ]

5115

[ "3.2", "Formal", "basis", ":", "Lexical", "Resource", "Semantics", "Lexical", "Resource", "Semantics", "(", "LRS", ")", "(", "Richter", "and", "Sailer", ",", "2003", ")", "is", "an", "underspecified", "semantic", "formal-" ]

[ 0, 0, 0, 0, 0, 3, 4, 0, 4, 4, 0, 0, 1, 0, 0, 0, 0, 0, 0, 2, 0, 4, 0, 0, 0 ]

5116

[ "Intersection", "(", "I", ")", ",", "Union", "(", "U", ")", ",", "(", "Koehn", "et", "al", ",", "2003", ")", "Grow", "Diagonal", "Final", "(", "GDF", ")", ",", "(", "Och", "and", "Ney", ",", "2003", ")", "H", "refined", "heuristics", "and", "Power", "Mean", "(", "PMn", ")", "alignment", "sets", "where", "n", "=", "5", "." ]

[ 3, 0, 4, 0, 0, 3, 0, 4, 0, 0, 0, 0, 0, 3, 0, 0, 0, 4, 4, 4, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 0, 1, 0, 0, 0, 0, 4, 0, 0, 0 ]

5117

[ "{", "wangruibo", ",", "gaoyahui", "}", "@", "sxu.edu.cn", "Abstract", "In", "this", "paper", ",", "semantic", "role", "labeling", "(", "SRL", ")", "on", "Chinese", "FrameNet", "is", "divided", "into", "the" ]

[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 4, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0 ]

5118

[ "at", "a", "supermarket", "2", "1", "1", "0", "able", "unable", "1", "0", "0", "1", "Table", "1", ":", "Word-based", "Levenshtein", "distance", "(", "LD", ")", "feature", "and", "separated", "edit", "operations", "(", "D", "=", "deletions", ",", "I" ]

[ 0, 3, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 4, 4, 0, 1, 0, 0, 0, 0, 0, 0, 0, 2, 0, 0, 0, 0 ]

5119

[ "We", "use", "four", "groups", "of", "datasets", ".", "The", "first", "group", "comes", "from", "the", "English", "Web", "Treebank", "(", "EWT", ")", ",4", "also", "used", "in", "the", "Parsing", "the", "Web", "shared", "task" ]

[ 3, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 4, 4, 4, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 4, 0, 0 ]

5120

[ "Abstract", "Most", "machine", "transliteration", "systems", "transliterate", "out", "of", "vocabulary", "(", "OOV", ")", "words", "through", "intermediate", "phonemic" ]

[ 0, 0, 0, 0, 0, 0, 3, 4, 4, 0, 1, 0, 0, 0, 0, 0 ]

5121

[ "We", "propose", "a", "method", "to", "improve", "the", "accuracy", "of", "parsing", "bilingual", "texts", "(", "bitexts", ")", "with", "the", "help", "of", "statistical", "machine", "translation", "(", "SMT", ")", "systems", "." ]

[ 0, 0, 3, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 4, 4, 4, 0, 1, 0, 0, 0 ]

5122

[ "leaves=29", ")", ".", "The", "first", "branching", ",", "which", "corresponds", "to", "no", "AP", "(", "Absolute", "Position", ")", "and", "no", "C", "(", "Colour", ")", ",", "assigns", "n", "to", "as", "many", "as", "1571", "instances" ]

[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 3, 4, 0, 0, 0, 3, 0, 4, 0, 0, 0, 4, 0, 0, 0, 0, 0, 0 ]

5123

[ "1", "Introduct", "ion", "Many", "of", "the", "Natural", "Language", "Generation", "(", "NLG", ")", "systems", "that", "produce", "flexible", "output", ",", "i.e", ".", "sentences" ]

[ 0, 0, 3, 0, 0, 0, 0, 4, 4, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0 ]

5124

[ "We", "then", "build", "three", "pairwise", "comparison", "matrices", ":", "one", "comparing", "pairs", "of", "typically", "developing", "(", "TD", ")", "children", ";", "one", "comparing", "pairs", "of", "children", "with", "ASD", ";", "and", "a", "third", "com-" ]

[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 4, 0, 0 ]

5125

[ "6", "Over", "Segmentation", "For", "wrongly", "spelled", "or", "OOV", "(", "out", "of", "vocabulary", ")", "Urdu", "words", ",", "the", "system", "may", "forcibly", "break", "the" ]

[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 4, 0, 0, 0, 0, 0, 0, 0, 0, 0 ]

5126

[ "Verbs", "can", "also", "involve", "non-core", "modifier", "arguments", ",", "such", "as", "ArgMTMP", "(", "time", ")", ",", "ArgM-LOC", "(", "location", ")", ",", "ArgM-CAU", "(", "cause", ")", ",", "etc", "." ]

[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 3, 0, 0, 0, 0, 3, 0, 0, 1, 0, 3, 0, 0, 0, 0 ]

5127

[ "SYSTEM", "ARCHITECTURE", "The", "TIA", "used", "for", "MUC-3", "was", "developed", "from", "the", "AD-TIA", "(", "Alternate", "Domain", "TIA", ")", ".", "This", "system", ",", "shown" ]

[ 0, 0, 0, 3, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 4, 4, 4, 0, 0, 0, 0, 0 ]

5128

[ "In", "this", "paper", ",", "we", "introduce", "a", "novel", "method", "called", "Random", "Manhattan", "Indexing", "(", "RMI", ")", ".", "RMI" ]

[ 3, 0, 0, 0, 0, 0, 4, 0, 0, 0, 0, 4, 4, 0, 0, 1, 0, 0 ]

5129

[ "Abstract", "Crowd-sourcing", "approaches", "such", "as", "Amazon", "?", "s", "Mechanical", "Turk", "(", "MTurk", ")", "make", "it", "possible", "to", "annotate", "or", "collect", "large", "amounts", "of" ]

[ 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 0, 2, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0 ]

5130

[ "vestigate", "four", "factors", ":", "text", "length", "(", "TL", ")", ",", "sentence", "length", "(", "SL", ")", ",", "average", "number", "of", "words", "per", "sentence", "(", "WS", ")", ",", "and", "average", "number", "of", "characters", "per", "word", "(", "CW", ")", ".", "Since" ]

[ 0, 0, 0, 0, 3, 3, 0, 1, 0, 0, 3, 4, 0, 1, 0, 0, 0, 0, 0, 4, 4, 4, 0, 1, 0, 0, 0, 0, 0, 0, 4, 4, 4, 0, 1, 0, 0, 0 ]

5131

[ "Our", "initial", "experiment", "includes", "language", "model", "(", "LM", ")", ",", "word", "posterior", "probability", "(", "WPP", ")", ",", "confusion", "network", "(", "CN", ")", ",", "and", "word", "lexicon", "(", "WL", ")", "features", "for", "a", "total", "of", "11" ]

[ 0, 0, 0, 0, 3, 4, 0, 1, 0, 0, 3, 4, 4, 0, 1, 0, 0, 3, 4, 0, 1, 0, 0, 0, 4, 4, 0, 1, 0, 0, 0, 4, 0, 0, 0 ]

5132

[ "Figure", "5", ":", "Example", "GMM", "fitting", "2", ".", "Gaussian", "mixture", "model", "(", "GMM", ")", "-based", "POI", "probability", "(", "prior", ")", "calculation" ]

[ 0, 0, 0, 0, 1, 0, 0, 0, 3, 4, 4, 0, 2, 0, 0, 1, 0, 0, 0, 0, 0 ]

5133

[ "other", "synthesis", "techniques", ".", "The", "TD-PSOLA", "(", "Time", "Domain", "Pitch", "Synchronous", "Overlap-add", ")", "developed", "by", "CNET", "is", "a", "very", "simple", "but", "ingenious", "method", "which", "assures", "high", "voice", "quality", ",", "the", "only", "disadvantage", "is", "that", "it", "is", "based", "on", "a", "time", ":" ]

[ 0, 0, 0, 0, 0, 1, 0, 3, 4, 4, 4, 4, 0, 0, 0, 1, 0, 4, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 4, 0, 0, 4, 4, 0, 0 ]

5134

[ "direct", "analogy", "to", "Sidner", "'s", "\\", "[", "26\\", "]", "potential", "local", "foci", ",", "and", "assumes", "only", "one", "temporal", "referent", "in", "the", "temporal", "focus", "(", "TF", ")", "." ]

[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 0, 0, 0, 4, 4, 0, 1, 0, 0 ]

5135

[ "?", "Modifier", "substitution", "(", "M-Sub", ")", ":", "t2", "is", "a", "substitution", "of", "t~", "if", "and", "only", "if", ":" ]

[ 0, 0, 3, 0, 0, 1, 0, 0, 0, 0, 4, 0, 0, 4, 0, 0, 4, 0 ]

5136

[ "the", "Tomita", "parser", ",", "which", "handles", "Japanese", "and", "Spanish", "as", "well", "as", "English", ".", "The", "parser", "output", "is", "grammatical", "structures", "called", "Functionally", "Labelled", "Templates", "(", "FLTs", ")", "which", "are", "built", "using", "a", "linguistic", "formalism", "that", "modifies", "and", "extends", "the", "f-structure", "of", "Lexical-Functional", "Grammar", "(", "LFG", ")", "." ]

[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 4, 0, 1, 0, 0, 0, 0, 0, 3, 0, 0, 0, 0, 0, 0, 0, 0, 0, 4, 4, 0, 1, 0, 0 ]

5137

[ "MT", "is", "one", "of", "the", "oldest", "and", "most", "important", "areas", "of", "Natural", "Language", "Processing", "(", "NLP", ")", "/", "Computational", "Linguistics", "(", "CL", ")", ".2", "From", "its", "beginnings", "we", "have", "witnessed", "some", "changes", "in", "the" ]

[ 1, 3, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 4, 0, 1, 0, 0, 4, 4, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 4, 0 ]

5138

[ "and", "round", "corners", "for", "processes", ".", "Lexical", "access", "is", "applied", "to", "the", "input", "string", "to", "produce", "(", "nondeterministically", ")", "the", "extended", "lexical", "item", "(", "ELI", ")", "of", "each", "word", ".", "Its", "output", "is", "split" ]

[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 4, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0 ]

5139

[ "1", "Introduction", "Question", "answering", "(", "QA", ")", "system", "aims", "at", "finding", "exact", "answers", "to", "a", "natural", "language", "question", "." ]

[ 0, 0, 0, 3, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 4, 0, 0, 0, 0 ]

5140

[ "All", "words", "are", "labeled", "as", "basic", "or", "not", "basic", "according", "to", "Ogden", "?", "s", "Basic", "English", "850", "(", "BE850", ")", "list", "(", "Ogden", ",", "1930", ")", ".3", "In", "order", "to", "measure", "the", "lexical", "complexity" ]

[ 0, 0, 0, 0, 3, 0, 0, 0, 0, 0, 0, 0, 0, 4, 4, 4, 4, 0, 2, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0 ]

5141

[ "For", "all", "the", "reasons", "listed", "above", ",", "a", "dictionary", "of", "Turkish", "Language", "Association", "(", "TLA", ")", "is", "used", "in", "this", "study", "." ]

[ 0, 0, 0, 0, 0, 0, 0, 3, 0, 0, 0, 4, 4, 4, 0, 1, 4, 0, 0, 0, 0, 0 ]

5142

[ "the", "classification", "of", "various", "verb", "groups", "(", "generic", "verbs", "versus", "specific", "verbs", ")", "based", "on", "the", "semantic", "distance", "with", "Latent", "Semantic", "Analysis", "(", "LSA", ")", "and", "Cluster", "Analysis", "." ]

[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 4, 0, 1, 0, 0, 0, 4, 0 ]

5143

[ "Recently", ",", "McDonald", "et", "al", "(", "2005b", ")", "formalized", "dependency", "parsing", "as", "a", "maximum", "spanning", "tree", "(", "MST", ")", "problem", ",", "which", "can", "be", "solved", "in", "quadratic", "time", "relative" ]

[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 4, 4, 0, 1, 0, 0, 0, 0, 0, 0, 0, 4, 0, 0, 0 ]

5144

[ "SC", "is", "mainly", "used", "in", "mainland", "China", "while", "TC", "is", "mainly", "used", "in", "Taiwan", "and", "Hong", "Kong", "(", "HK", ")", ".", "In", "this", "experiment", ",", "we", "further" ]

[ 1, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 3, 4, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0 ]

5145

[ "1", "Introduction", "1.1", "Background", "Back", "in", "2004", ",", "ETV", "(", "Eenadu", "Television", ")", ",", "Hyderabad", ",", "felt", "a", "need", "for", "a", "text", "editor", "to", "prepare", "news" ]

[ 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 3, 4, 0, 0, 0, 0, 0, 4, 0, 0, 4, 0, 0, 0, 0, 0 ]

5146

[ "imated", "conversational", "characters", "from", "recordings", "of", "human", "performance", ".", "ACM", "Transactions", "on", "Graphics", "(", "TOG", ")", ",", "23", "(", "3", ")", ":506", "?", "513", "." ]

[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 3, 4, 4, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0 ]

5147

[ "TEXT", ")", ",", "DECL", "(", "Declarative", ")", ",", "HON", "(", "Honorific", ")", ",", "IMPER", "(", "Imperative", ")", ",", "NOM", "(", "Nominative", ")", ",", "ORTH", "(", "ORTHOGRAPHY", ")", ",", "PST", "(", "Past", ")", ",", "SYN", "(", "SYNTAX", ")", ",", "SEM", "(", "SEMANTICS", ")", ",", "RELS", "(", "RELATIONS", ")", ",", "and", "POS", "(", "part", "of", "speech", ")", "." ]

[ 0, 0, 0, 1, 0, 3, 0, 0, 1, 0, 3, 0, 0, 1, 0, 3, 0, 0, 1, 0, 3, 0, 0, 3, 0, 4, 0, 0, 1, 0, 3, 0, 0, 3, 0, 4, 0, 0, 3, 0, 4, 0, 0, 1, 0, 3, 0, 0, 0, 1, 0, 3, 4, 4, 0, 0 ]

5148

[ "that", "provides", "a", "good", "compression", "rate", "of", "the", "text", ".", "3.2", "Byte", "Pair", "Encoding", "(", "BPE", ")", "Byte", "Pair", "Encoding", "(", "BPE", ")", "(", "Gage", ",", "1994", ")", "is", "a", "sim-" ]

[ 0, 0, 3, 0, 0, 0, 0, 0, 0, 0, 0, 4, 4, 4, 0, 1, 0, 4, 4, 4, 0, 2, 0, 0, 0, 0, 0, 0, 0, 4, 0 ]

5149

[ "2.2", "Thread-level", "analysis", "Next", ",", "we", "perform", "named", "entity", "recognition", "(", "NER", ")", "over", "each", "thread", "to", "identify", "entities", "such", "as", "package" ]

[ 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0 ]

5150

[ "and", "tfidf", "of", "unigrams", ",", "bigrams", ",", "and", "trigrams", ".", "DAL", "(", "Dictionary", "of", "Affect", "in", "Language", ")", "is", "a", "psycholinguistic", "resource", "to", "measure", "the", "emo-" ]

[ 0, 0, 3, 0, 0, 0, 0, 0, 0, 0, 1, 0, 4, 4, 4, 4, 4, 0, 0, 4, 0, 0, 0, 0, 0, 0 ]

5151

[ "nuqaqa", "llakiy", "qhachqa", "p", "?", "achakunata", "churakurqani", ".", "Abbreviations", ":", "AMLQ", "=", "Academia", "Mayor", "de", "la", "Lengua", "Quechua", "en", "Cusco", ",", "norm", "=", "normalized", ",", "span", "=", "Spanish", "orthography", ",", "boliv", "=", "(", "old", ")", "Bolivian", "orthography", "Table", "1", ":", "Different", "Orthographies", "with", "Corresponding", "Standardized", "Version" ]

[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 3, 4, 4, 4, 4, 4, 4, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0 ]

5152

[ "collected", "as", "follows", ":", "Positive", "Diccn", ":", "3,730", "Chinese", "positive", "terms", "(", "e.g.", ",", "/good-looking", ",", "/", "lucky", ")", "were", "collected", "from", "the", "Chinese", "Vocabulary", "for", "Sentiment", "Analysis", "(", "VSA", ")", "20", "released", "by", "HOWNET", "." ]

[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 4, 4, 0, 1, 0, 0, 0, 0, 1, 0 ]

5153

[ "The", "system", "includes", "four", "main", "stages", ":", "topic", "classification", ",", "named", "entity", "recognition", "(", "NER", ")", ",", "disease/location", "detection", ",", "and", "visualization", "." ]

[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0 ]

5154

[ "based", "classifier", "is", "used", "to", "select", "the", "most", "informative", "examples", "for", "training", "an", "another", "type", "of", "classifier", "based", "on", "multinomial", "na", "?", "ve", "Bayes", "(", "NB", ")", "model", "(", "McCallum", "and", "Nigam", ",", "1998b", ")", "." ]

[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 4, 4, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0 ]

5155

[ "bic", "Diacritics", ".", "In", "Proceedings", "of", "the", "21st", "International", "Conference", "on", "Computational", "Linguistics", "(", "COLING", ")", "and", "the", "44th", "Annual", "Meeting", "of", "the", "the", "Association" ]

[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 4, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0 ]

5156

[ "any", "hypotheses", "between", "frames", "and", "events", ".", "(", "2", ")", "SameFrame", "(", "SF", ")", "is", "the", "second", "baseline", "system", ",", "which", "applies", "H1", "over", "the", "results", "from", "AN-" ]

[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0 ]

5157

[ "In", "Proceedings", "of", "the", "46th", "Annual", "Meeting", "of", "the", "Association", "for", "Computational", "Linguistics", "(", "ACL", ")", "." ]

[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 4, 4, 0, 1, 0, 0 ]

5158

[ "?", "similar", "count", "?", "score", "(", "SC", ")", "is", "calculated", "as", "the", "number", "of", "characters", "that", "match", "between", "two" ]

[ 0, 0, 0, 0, 3, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0 ]

5159

[ "constituent", "boundary", "prediction", "algorithm", ",", "the", "followiug", "measures", "were", "used", ":", "1", ")", "The", "cost", "time", "(", "CT", ")", "of", "the", "kernal", "functions", "(", "CPU", ":", "Celeron", "TM", "366", ",", "RAM", ":", "64M", ")", "." ]

[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 0, 0, 1, 0, 0, 0, 0, 0, 0, 1, 0, 0, 1, 0, 0, 1, 0, 0, 0, 0 ]

5160

[ "Simple", "Segmentation", "Algorithm", "(", "SSA", ")", ":", "1", "." ]

[ 0, 3, 4, 4, 0, 1, 2, 0, 0 ]

5161

[ "For", "example", ",", "the", "s", "t", "ruc", "ture", "tn", "whtch", "ad", "jec", "t", "ives", "(", "ADJ", ")", "repeat", "a", "rb", "i", "t", "ra", "ry", "ttmes", "and", "a", "noun", "(", "N", ")", "fo", "l", "lows", "them", "tn", "Engl", "lsh", "ts", "expressed", "as" ]

[ 0, 0, 0, 0, 3, 4, 0, 0, 0, 0, 0, 4, 4, 4, 0, 0, 1, 0, 0, 0, 4, 4, 0, 0, 0, 0, 0, 0, 0, 0, 2, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0 ]

5162

[ "ALO", "(", "in", "to", ")", "RO", "(", "OST", "LOC", ")", "PO", "(", "PRE", ")", "ON", "(", "VO", ")", ")" ]

[ 1, 0, 0, 0, 0, 1, 0, 1, 1, 0, 3, 0, 1, 0, 0, 0, 1, 0, 0 ]

5163

[ "be", "intuitively", "characterized", "as", "a", "way", "of", "trigger-", "ing", "semantically", "related", "concepts", "which", "define", "for", "each", "role", "the", "projective", "conclusion", "space", "(", "PCS", ")", "." ]

[ 0, 0, 0, 0, 3, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 4, 4, 4, 0, 1, 0, 0 ]

5164

[ "September/NNP", "\\", "]", "\\", "[", "O", "./", ".", "\\", "]", "we", "can", "extract", "following", "chunk", "patterns", ":", "NP=NULL", "90", "PRP", "99", "VBZ", "VP=PRP", "99", "VBZ", "99", "DT" ]

[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0 ]

5165

[ "term", "t", "appears", "in", "position", "i", "around", "the", "entity", ".", "Bigram", "Context", "(", "BCON", ")", ":", "The", "bigram-based", "context", "model", "was", "built", "in", "a", "similar", "way", "to", "UCON", "," ]

[ 0, 3, 0, 0, 0, 4, 0, 0, 0, 0, 4, 4, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 4, 0, 0, 0, 1, 0 ]

5166

[ "In", "NAACL", "Workshop", "on", "Syntax", "and", "Structure", "in", "Statistical", "Translation", "(", "SSST", ")", ",", "pages", "25", "?", "32", ",", "Rochester", ",", "NY", "." ]

[ 0, 1, 0, 3, 0, 0, 0, 0, 4, 4, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0 ]

5167

[ "search", "engine", ",", "e.g.", ",", "Google", ",", "Bing", ",", "etc", ".", "and", "(", "ii", ")", "a", "database", "(", "DB", ")", "system", "for", "accessing", "previously", "resolved", "crossword", "puz-" ]

[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0 ]

5168

[ "extraction", "(", "RE", ")", "in", "a", "bootstrapping", "framework", "are", "regarded", "as", "very", "effective", "methods", "for", "building", "information", "extraction", "(", "IE", ")", "systems", "and", "for", "adapting", "them", "to", "new", "domains", "(", "e.", "g.", ",", "(", "Riloff", "," ]

[ 3, 0, 1, 0, 4, 4, 0, 0, 0, 0, 0, 0, 0, 0, 4, 0, 4, 4, 0, 1, 0, 0, 0, 4, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0 ]

5169

[ "ISREM", "1", "iff", "the", "candidate", "occurs", "2", "or", "more", "sentences", "before", "the", "anaphor", "POSITION", "1", "iff", "the", "antecedent", "occurs", "before", "anaphor", "SEMANTIC", "ROLE", "LABELLING", "(", "SR", ")", "IVERB", "1", "iff", "the", "governing", "verb", "of", "the", "given", "candidate", "is", "an", "issue", "verb" ]

[ 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 3, 4, 0, 0, 2, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0 ]

5170

[ "using", "the", "written", "and", "spoken", "language", "corpora", ".", "Occurrence", "probabilities", "(", "OPs", ")", "of", "expressions", "in", "the", "written", "and", "spoken", "language", "corpora", "can", "be", "used", "to", "dis-" ]

[ 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0 ]

5171

[ "We", "experiment", "with", "multiple", "ways", "to", "select", "a", "snippet", ":", "the", "first", "50", "words", "of", "the", "summary", "(", "START", ")", ",", "the", "last", "50", "words", "(", "END", ")", "and", "50", "words", "starting", "at", "a", "randomly", "chosen", "sentence" ]

[ 0, 0, 0, 0, 0, 0, 0, 3, 0, 0, 0, 0, 0, 0, 0, 0, 4, 0, 1, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 4, 0, 0, 0 ]

5172

[ "Pattern", "Pattern", "Patterns", "composed", "of", "high", "frequency", "words", "(", "HFWs", ")", "4" ]

[ 0, 0, 0, 0, 0, 3, 4, 4, 0, 1, 0, 0 ]

5173

[ "that", "combining", "additional", "knowledge", "sources", ",", "including", "lexical", "features", "(", "LX1", ")", "and", "the", "non-verbal", "features", ",", "prosody", "(", "PROS", ")", ",", "motion", "(", "MOT", ")", ",", "and", "context", "(", "CTXT", ")", ",", "yields", "a", "further", "improvement", "(", "of", "8.8", "%" ]

[ 0, 0, 0, 0, 0, 0, 0, 3, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 0, 1, 0, 0, 3, 0, 1, 0, 0, 0, 3, 0, 1, 0, 0, 0, 4, 0, 0, 0, 0, 0, 0 ]

5174

[ "(", "ADV", ")", ",", "cause", "(", "CAU", ")", ",", "direction", "(", "DIR", ")", ",", "extent", "(", "EXT", ")", ",", "location", "(", "LOC", ")", ",", "manner", "(", "MNR", ")", ",", "and", "time", "(", "TMP", ")", ",", "modal", "verbs", "(", "MOD", ")", ",", "negative", "markers", "(", "NEG", ")", ",", "and", "discourse", "connectives", "(", "DIS", ")", "." ]

[ 0, 1, 0, 0, 3, 0, 1, 0, 0, 3, 0, 1, 0, 0, 3, 0, 1, 0, 0, 3, 0, 1, 0, 0, 3, 0, 1, 0, 0, 0, 3, 0, 1, 0, 0, 3, 0, 0, 1, 0, 0, 3, 0, 0, 1, 0, 0, 0, 3, 0, 0, 1, 0, 0 ]

5175

[ "than", "three", "thousand", "five", "hundred", "days", "of", "imprisonment", ".", "Figure", "4", ":", "Example", "translation", "using", "the", "back-off", "and", "the", "continuous", "space", "language", "model", "(", "CSLM", ")", "." ]

[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 4, 4, 0, 1, 0, 0 ]

5176

[ "Inspired", "by", "the", "work", "of", "web", "search", "(", "Gao", "et", "al2010", ")", "and", "question", "retrieval", "in", "community", "question", "answer", "(", "Q", "&", "A", ")", "(", "Zhou", "et", "al2011", ")", ",", "we", "assume", "the", "following", "generative" ]

[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 0, 0, 0, 4, 4, 0, 1, 2, 2, 0, 0, 0, 0, 0, 0, 0, 4, 0, 0, 0, 0 ]

5177

[ "As", "an", "extension", ",", "Zhang", "et", "al", "(", "2008a", ")", "proposed", "two", "more", "categories", ":", "Structure", "Reordering", "Rules", "(", "SRR", ")", "and", "Discontiguous", "Phrase", "Rules", "(", "DPR", ")", "." ]

[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 3, 0, 1, 0, 0, 4, 4, 4, 0, 1, 0, 0 ]

5178

[ "the", "MACH-III", "expert", "system", ",", "we", "should", "begin", "with", "a", "brief", "description", ".", "Functional", "hierarchy", "(", "FH", ")", "is", "a", "new", "paradigm", "for", "organizing", "expert", "system" ]

[ 0, 1, 0, 0, 0, 0, 0, 0, 0, 3, 0, 0, 0, 4, 4, 0, 1, 0, 0, 4, 0, 0, 0, 0, 0, 0 ]

5179

[ "In", "this", "paper", "we", "investigate", "the", "relation", "between", "positive", "and", "negative", "pairs", "in", "Textual", "Entailment", "(", "TE", ")", ",", "in", "order", "to", "highlight", "the", "role", "of", "contradiction", "in", "TE" ]

[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 2 ]

5180

[ "typically", "expressed", "inTopic", "Statements", ".", "The", "Subject", "Field", "Coder", "(", "SFCoder", ")", "uses", "an", "establishet~", "semantic", "oding", "scheme", "from", "the", "machine-" ]

[ 0, 0, 0, 0, 0, 0, 3, 4, 4, 0, 2, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0 ]

5181

[ "abbreviations", ".", "ACM", "Transactions", "on", "Information", "Systems", "(", "TOIS", ")", ",", "24", "(", "3", ")", ":380", "?", "404", "." ]

[ 0, 0, 1, 3, 4, 4, 4, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0 ]

5182

[ "The", "evaluation", "strategy", "follows", "the", "global", "standard", "as", "Text", "Retrieval", "Conference", "(", "TREC", ")", "8", "metrics", ".", "It" ]

[ 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 4, 0, 1, 0, 0, 0, 0, 0 ]

5183

[ "method", "for", "unambiguous", "bilingual", "segmentation", "where", "tokens", "are", "defined", "as", "minimal", "phrases", ",", "called", "minimal", "translation", "units", "(", "MTUs", ")", ".", "Figure", "1" ]

[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 0, 0, 0, 4, 4, 4, 0, 1, 0, 0, 0, 0 ]

5184

[ "for", "PTB", "III", "data", "evaluated", "by", "label", "accuracy", "system", "test", "additional", "resources", "JESS-CM", "(", "CRF/HMM", ")", "95.15", "1G-word", "unlabeled", "data", "94.67", "15M-word", "unlabeled", "data" ]

[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0 ]

5185

[ "We", "used", "an", "online-large", "margin", "algorithm", ",", "MIRA", "(", "McDonald", "and", "Pereira", ",", "2006", ";", "Crammer", "et", "al", ",", "2005", ")", ",", "for", "updating", "the", "weights", "." ]

[ 0, 0, 3, 0, 0, 0, 4, 0, 0, 0, 4, 4, 4, 0, 0, 0, 0, 4, 4, 0, 0, 4, 0, 0, 0, 0, 0 ]

5186

[ "notation", "for", "real-world", "applications", ".", "In", "Machine", "Translation", "(", "MT", ")", "Quality", "Estimation", "(", "QE", ")", ",", "for", "instance", ",", "using", "human-" ]

[ 0, 0, 0, 0, 0, 0, 3, 4, 0, 1, 0, 3, 4, 0, 1, 0, 0, 0, 0, 0, 0, 0 ]

5187

[ "2011a", ".", "Overview", "of", "the", "Infectious", "Diseases", "(", "ID", ")", "task", "of", "BioNLP", "Shared", "Task", "2011", "." ]

[ 0, 0, 0, 0, 0, 3, 4, 0, 1, 0, 0, 0, 1, 0, 0, 0, 0 ]

5188

[ "?", "Term", "Base", "eXchange", "(", "TBX", ")", ":", "XML", "Terminology", "Exchange", "Standard", "." ]

[ 0, 0, 3, 4, 0, 0, 1, 0, 0, 0, 0, 0, 0 ]

5189

[ "There", "were", "four", "data", "sources", "used", "in", "the", "training", "set", ":", "the", "Wall", "Street", "Journal", ",", "Associated", "Press", ",", "Federal", "Register", "(", "FR", ")", ",", "and", "Department", "of", "215" ]

[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 0, 1, 0, 0, 0, 0, 0, 0 ]

5190

[ "resolution", "pipeline", "consisted", "primarily", "of", "the", "C", "&", "C", "parser", "and", "Boxer", "(", "Curran", "et", "al", ",", "2007", ")", ",", "which", "produce", "Discourse", "Representation", "Structures", "(", "DRSs", ")", "." ]

[ 0, 0, 0, 0, 0, 0, 1, 2, 2, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 4, 0, 1, 0, 0 ]

5191

[ "\u0007\u0002", "B", "\u0007", "E", "B", "\u0004", "\u0014", "\u0005E", "B", "\u0002\u0014", "B", "\u0019\u0002F\u0013\u0003E\b\u0007", "B", "AE", "EA", "B", "\u0017\u0015", "B", "\u0005\u0013\u0003\u0003\u0006\b", ")", "B", ",", "\u0002\u0014", "B", "A\u0007E\u0014\b", "\u0007\u0006", "EA\u0015", "B", "\u0004E\u0014\u001a\u0002\u0014\u0003\u0006\b", ")", "B", "F\u0002\u0003\u0004\u0002\bE\b\u0007+", "$", "\u0006\u0005EB", "\u0003\u0013A\u0007\u0006\u0004A\u0006F", "\u0007\u0006\u0002\bH0", "B", "\u0002\u001a", "B", "$", "\u0002\u0014\u0019", "B", "EF\u0007\u0002\u0014\u0005", "B", ",", "\u001bF", "I\u0007JE", "''", "B", "/66B0", "&", "B", "(", "\u0006\u0005", "B", "\u0005", "B", "\u0007", "E", "B", "\u0019", "\b\u0007", ")", "E", "B", "\u0007", "\u0007", "B", "\u0006\u0007", "B", "\u0006\u0005", "B", "\u0006\u0003\u0003E\u0019\u0006", "\u0007EA\u0015B", "\u0004\u0004A\u0006F", "\u0017AEB\u0007\u0002B", "\b\u0015B\u0003\u0002\u0019EAB\u0006\bB", "$", "\u0006F", "B", "$", "\u0002\u0014\u0019B\u0003E", "\b\u0006\b", ")", "BF", "\bB\u0017EBED\u0004\u0014E\u0005\u0005E\u0019B", "\u0005B", "B", "EF\u0007\u0002\u0014", "&", "B", "(", "EB\u0004\u0014\u0006\bF\u0006\u0004AEBA\u0006\u0003\u0006\u0007", "\u0007\u0006\u0002\bB", "\u0002\u001aBF\u0002\u0013\u0014\u0005EB\u0006\u0005B\u0007", "\u0007B\u0007", "\u0006\u0005B\u0007", "'", "E\u0005B\b\u0002B", "FF\u0002\u0013\b\u0007B\u0002\u001aB", "$", "\u0002\u0014\u0019B\u0002\u0014\u0019E\u0014", "&", "B", "(", "E\u0014E\u001a\u0002\u0014E", "''", "B", "$", "\u0006AEB\u0006\u0007B", "\u0005B\u0004\u0014\u0002", "E\bBE\u001a\u001aEF\u0007\u0006", "EB\u0006\bB\u0007", "EB" ]

[ 1, 3, 4, 4, 4, 4, 4, 0, 4, 2, 4, 0, 4, 4, 0, 4, 0, 4, 0, 0, 4, 0, 2, 4, 0, 0, 0, 4, 0, 0, 4, 0, 0, 0, 0, 0, 4, 0, 4, 0, 0, 4, 0, 4, 0, 0, 0, 0, 4, 0, 2, 4, 0, 0, 4, 0, 4, 4, 4, 4, 0, 0, 0, 4, 4, 4, 4, 4, 4, 4, 0, 4, 0, 0, 0, 0, 0, 0, 0, 4, 0, 0, 0, 0, 0, 0, 0, 4, 2, 2, 4, 0, 4, 0, 0, 0, 0, 0, 0, 0, 0, 0, 2, 4, 0, 0, 0, 4, 0, 0, 0, 0, 0, 4 ]

5192

[ "(", "Schubert", "1987", ";", "Maxwell", "&", "Schubert", "1989", ")", ",", "and", "fig-", "ure", "1", "shows", "the", "dependency", "trees", "for", "this", "example", ",", "cross-coded", "for", "translation", "units", "(", "TUs", ")", ".", "Each", "ellipse" ]

[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 0, 1, 0, 0, 0, 0 ]

5193

[ "edges", ".", "The", "NEs", "includes", "personal", "name", "(", "PRE", ")", ",", "location", "name", "(", "LOC", ")", "and", "organization", "name", "(", "ORG", ")", "." ]

[ 0, 0, 0, 1, 0, 3, 0, 0, 1, 0, 0, 3, 0, 0, 1, 0, 0, 3, 0, 0, 1, 0, 0 ]

5194

[ "We", "describe", "our", "approach", "towards", "building", "a", "Wordnet", "for", "Tunisian", "dialect", "(", "TD", ")", ".", "We", "proceed", ",", "first-" ]

[ 0, 0, 0, 0, 0, 0, 3, 0, 0, 4, 4, 0, 1, 0, 0, 0, 0, 0, 0 ]

5195

[ "Note", "that", "for", "the", "purposes", "of", "Figure", "1", ":", "Example", "Babytalk", "Input", "Data", ":", "Sensors", "HR", "=", "Heart", "Rate", ";", "TcPO2", "=", "blood", "O2", "level", ";", "TCPCO2", "=", "blood", "CO2", "level", ";", "SaO2", "=", "oxygen", "saturation", ";", "T1", "=", "chest" ]

[ 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 1, 0, 3, 4, 0, 1, 0, 3, 4, 0, 0, 2, 0, 4, 4, 0, 0, 2, 0, 3, 4, 0, 2, 0, 0 ]

5196

[ "3.1", "Data", "and", "preprocessing", "All", "embeddings", "are", "trained", "on", "22", "million", "tokens", "from", "the", "the", "North", "American", "News", "Text", "(", "NANT", ")", "corpus", "(", "Graff", ",", "1995", ")", "." ]

[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 4, 4, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0 ]

5197

[ "Extraction", "Abbreviations", "NE", "=", "Named", "Entity", "CE", "=", "Correlated", "Entity" ]

[ 0, 0, 1, 0, 3, 3, 1, 0, 4, 4 ]

5198

[ "internal", "structure", ".", "This", "type", "of", "expression", "is", "an", "example", "of", "what", "will", "be", "called", "a", "``", "comp\\", "]", "ex", "basic", "expression", "''", "(", "CBE", ")", "." ]

[ 0, 0, 0, 0, 0, 0, 3, 0, 0, 0, 0, 0, 0, 0, 0, 4, 0, 4, 4, 4, 4, 4, 0, 0, 1, 0, 0 ]

5199

[ "bath", "?", ")", ".", "The", "builder", "can", "choose", "to", "represent", "binaries", "as", "either", "relational", "noun", "phrases", "(", "RELNP", ")", "or", "generalized", "transitive", "verbs", "(", "VP/NP", ")", "." ]

[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 0, 4, 4, 4, 0, 1, 0, 0, 0, 0, 3, 0, 1, 0, 0 ]