利用弱监督实现统一的语义解析

ACLJun, 2019

Unified Semantic Parsing with Weak Supervision

Priyanka Agrawal, Parag Jain, Ayushi Dalmia, Abhishek Bansal, Ashish Mittal...

TL;DR本研究提出了一种在多个知识库上进行语义解析的框架，采用弱监督训练。通过多个特定于域的语义分析器（教师）训练一个统一的多域语义解析器（学生）来解决这一挑战。在标准 Overnight 数据集上，相对于基线技术，该模型在指称准确性方面提高了 20％。

Abstract

semantic parsing over multiple knowledge bases enables a parser to exploit structural similarities of programs across the multiple domains. However, the fundamental challenge lies in obtaining high-quality annotations of (utterance, program) pairs across various domains needed for trai

semantic parsing multi-domain weak supervision distillation mechanism denotation accuracy

发现论文，激发创造

多知识库神经语义解析

通过在不同领域的语言中利用结构规律，并在多个知识库中共享信息来训练语义解析器的序列到序列模型，同时在解码时提供域的编码，可以显著提高解析准确性，从而实现了针对 Overnight 数据集（包含八个领域）的最新性能，将模型参数的数量降低了 7 倍。

Feb, 2017

基于执行的伪程序过滤的弱监督语义解析

通过基于程序执行结果的领域无关过滤机制，我们的研究提出在弱监督语义分析框架中应用该方法可以显著提高性能。

Nov, 2023

使用抽象示例的弱监督语义解析

本论文提出了一种训练语义解析器的新方式，即利用抽象化表示，而非强监督方式（程序），以缓解训练过程中的困难。经实验证明，这种方法可以成功地用于处理视觉推理数据集以提升性能。

Nov, 2017

融合弱监督和主动监督用于语义解析

该研究论文针对通过自然语言指令进行解析的语义解析器，在利用弱监督学习时引入主动学习以提高模型性能的问题进行了研究，并在两个数据集上进行了实验。

Nov, 2019

跨领域语义解析通过释义

本文提出了一种序列到序列的注意力重点改进的方法，用于跨域语义分析的域间适应问题，并且对预先训练的词嵌入进行了标准化，这种方法在 Overnight 数据集上有显着的改进。

Apr, 2017

基于生成排名模型的弱监督神经语义解析

本文提出了一种基于神经网络的解析器 - 排序器系统用于弱监督语义解析，通过对表征的推理公式使用线索来生成候选的树结构逻辑形式，并对其进行排序，以此平衡正确执行和掌握语义的两个目标，进一步使用神经编码的词表注入领域知识，并在三个 Freebase 数据集上进行实验，获得了达到最先进水平的效果.

Aug, 2018

从领域本体构建神经语义解析器

本文提出了一种基于领域本体的框架，通过生成人类可理解的自然语言模板，从而将自然语言句子转化为机器可读的含义表示；并解决了语义解析在大规模领域中由训练数据的获取以及模型推广的复杂度所面临的挑战，该框架在六个领域进行数据训练，证明了其能快速且低成本地进行语义解析。

Dec, 2018

无零样本语义解析的结构与词汇解耦

本文提出一种零样本方法，该方法可以在只在其他源域示例中进行训练的情况下解析看不见领域的话语，并通过词汇对齐分数和全局推理将槽替换为知识库常量，从而解决了当前语义解析器需要昂贵监督并且不能推广到新领域的问题。

Apr, 2018

强制保持在弱监督语义解析中的一致性

本文主要探讨利用相关输入输出程序的一致性来减少错误原因正确答案的虚假程序对弱监督语义解析的影响，通过通过自然语言视觉推理数据集从而获得优秀的模型表现的。

Jul, 2021

从语义解释和抽象程序中学习潜在结构对齐的语义解析器

本研究旨在为语义解析器注入归纳偏置，以便能够区分虚假和正确的程序，并提出了基于结构化潜在变量的潜在对齐框架，将语义解析任务分解成预测抽象程序和使用微分动态规划建模结构化对齐所需的步骤，最终在 WIKITABLEQUESTIONS 和 WIKISQL 数据集上取得了最先进的性能。新提出的结构对齐机制比标准关注机制更为有效。

Sep, 2019