跨语言抽象意义表示解析
该研究旨在通过跨语言的 AMR 解析,使用单个模型来捕捉各种语言中句子的核心语义内容,发现用翻译加解析(T+P)的简单方法在几种语言上的表现比最新的全球最佳系统表现更好。
Jun, 2021
该论文介绍了一种跨语言的 AMR 解析器,该解析器通过引入双语输入和辅助任务来提高 AMR 的预测准确性,其在 Smatch F1 得分上超过了现有的最先进解析器。
Jun, 2021
本文提出了第一个为西班牙语创建的大型抽象意义表示注释语料库,利用了 AnCora-Net 词典中的西班牙语 rolesets,扩展了英语 AMR,其中包括 586 个带有语义特征的句子注释,为实现跨语言 AMR 分析提供了更全面的方法。
Apr, 2022
介绍了一种基于转移的 AMR 解析器,可以按左到右的线性时间解析 AMR 语义表示的句子。还提出了一个测试套件来评估特定子任务并表明该解析器在处理命名实体和极性方面超过了现有的最佳解析器。
Aug, 2016
本研究通过对五个领域的五种具有代表性的抽象意义表示解析器进行广泛评估和分析,旨在解决抽象意义表示解析系统的领域依赖性问题,并通过研究两种方法减少文本和 AMR 特征的领域分布差异,最终实验证明我们的方法的优越性。
Oct, 2022
本文探讨了训练模型可用于提高 AMR 解析性能的不同方式,包括生成合成文本和 AMR 注释以及动作预测的改进。我们证明了这些技术在没有额外的人工注释的情况下提高了一个已经高性能的解析器,并在 AMR 1.0 和 AMR 2.0 上取得了最先进的结果。
Oct, 2020
本研究探讨了基于 Transformer 模型的句法分析器的交叉注意力机制及其对句子结构与语义间的对齐能力,提出了一种有效的交叉关注权重的监督和引导方法并通过实验验证其效果。
Jun, 2022
我们使用字符级翻译的方法对一大语料库中注释有抽象意义表示的句子进行神经语义解析的评估。通过一些简单的预处理和后处理,我们使用序列到序列模型得到了一个基线准确率为 53.1。研究了五种不同的方法来改善这个基线结果,结合这五种技术的结果使获得了一项 AMR 解析的最新进展状态的成果,F 分数为 71.0。
May, 2017
本文介绍了波斯语摘要含义表示(PAMR)注释规范,基于该规范我们对《小王子》的波斯语翻译进行了注释,这是波斯语 AMR 的首个黄金标准,并描述了一些波斯语特有的句法结构将导致不同的 AMR 注释。
May, 2022
本研究提出了一种新方法,使用抽象意义表示(AMR)来改善现有的多语言句子嵌入。研究表明,使用 AMR 可以提高多语言句子嵌入在语义相似性和转移任务上的性能。
Oct, 2022