TL;DR本文提出了一种新方法,通过文本段的转换来生成 AMR 子图,从而提高 AMR 的 parsing 效果,进而提高自然语言处理和机器翻译等领域的性能表现。
Abstract
The abstract meaning representation (amr) is a representation for open-domain
rich semantics, with potential use in fields like event extraction and machine
translation. Node generation, typically done using a si
本文提出了一种新颖的抽象摘要框架,利用意义表示(AMR)的树库进行研究。在该框架中,源文本被解析为一组 AMR 图,该图被转换为摘要图,然后从摘要图生成文本。我们专注于图形到图形的转换,该转换将源语义图减少为摘要图,并利用现有的 AMR 解析器并假设最终可用 AMR-to-text 生成器。该框架具有数据驱动、可训练性和不特定于特定领域的特点。在金标准 AMR 注释和系统解析上进行的实验显示出有希望的结果。