ACLOct, 2018

探索用于解析话语表示结构的神经方法

PDF
TL;DR提出了一种基于 Neural 的序列到序列的语义解析器，它能够高准确率地产生英语句子的 DRSs，并通过引入 De Bruijn 索引消除变量名以提高解析器性能，以及加入银标注数据来进一步提高性能。
neural methodssemantic parsingdiscourse representation structuresde bruijn-indicessilver training data
发现论文，激发创造
  • MACT: 跨语言模型无关的话语结构解析训练

    通过引入跨语言训练策略，深入分析和改进基于 Discourse Representation Structure（DRS）的语义表示分析模型，在英语、德语、意大利语和荷兰语的标准基准测试中取得了最先进的结果，并为未来的 DRS 分析研究提供了深入的见解。

    Jun, 2024

  • 关于语篇表征结构分析的第一次共享任务

    该论文介绍了 2019 IWCS 分享任务的语义分析，目的是为英语句子生成话语表示结构（DRSs）。

    May, 2020

  • 鲁棒的增量神经语义图解析

    该研究提出了一个基于神经编码器 - 解码器的转移句法分析器，可以作为关于最小递归语义的完全覆盖的语义图分析器，预测图与非词汇化谓词及其标记对齐共同。该分析器比注意力模型基准更准确，并且在 GPU 批处理方面比高精度基于语法的分析器快一个数量级。此外，我们的最小递归语义分析器的 86.69％ Smatch 得分高于 AMR 分析的上限，这使得 MRS 成为有吸引力的语义表示选择。

    Apr, 2017

  • 多语言解析与生成的预训练语义模型

    本文介绍了基于话语表示结构的多语言预训练语言含义模型，在预训练阶段包括语义表示，并采用交叉语言迁移学习，以进一步提高非英语任务的性能。实验结果显示，该方法在多语言 DRS 解析和 DRS 到文本生成任务上实现了最佳性能。

    May, 2023

  • 具有结构感知编码和解码的 DRTS 语法解析

    本文提出了一种结构感知模型，利用图注意力网络在编码器和解码器阶段整合结构信息，从而改进 Discourse Representation Tree Structure（DRTS）解析任务，实验证明该模型在该领域取得了最佳性能。

    May, 2020

  • 基于字符级表示的语义解析在 BERT 时代仍然有效

    本论文提出，在序列到序列模型中，将字符级别和上下文语言模型表示相结合以提高 Discourse Representation Structure 解析的性能，并通过基于语义标签的新方法分析表明，字符级别表示改进了在选定语义现象的全部性能。

    Nov, 2020

  • 字符级信息是否总是改善基于 DRS 的语义分析？

    研究探讨了采用字符级表示对神经模型性能的影响，通过对英语、德语、荷兰语和意大利语数据集的实验结果发现，字符级信息的引入并不能提高英语和德语语言的性能，但字符级信息可以提高荷兰语和意大利语的性能。

    Jun, 2023

  • 一种自上而下的神经结构，用于文本级别的议论语言结构分析

    本文提出一种基于自上而下的神经网络结构，将话语的分层结构解析为分裂点排序任务，并在英文 RST-DT 语料库和中文 CDTB 语料库上进行实验，证明了该方法在文本级语篇分析中的高效性。

    May, 2020

  • 基于自顶向下树形解码与句法连接的神经机器翻译与句法分析

    本文提出了一种基于 DRNN 的序列到树的 NMT 模型 (称为 Seq2DRNN)，该模型在树结构解码中结合了序列编码器和句法感知机制，并使用语法结构信息从而能够生成更流畅的翻译结果，同时可以进行成分句法分析。

    Sep, 2018

  • 利用递归神经网络 DAG 语法进行语义图解析

    使用递归神经网络自动推断语义结构图形，以提高对多语种语言的理解和建模能力。

    Sep, 2019