Dec, 2021

DocAMR: 多句 AMR 表示和评估

PDF
TL;DR本文介绍了一种简单的算法，可将超句级的共指标注转化为统一的图表达方式，避免了信息合并的信息损失和不协调的问题。通过改进 Smatch 度量方法，使其可以用于比较文档级别的图形，并用它来重新评估最佳发布的文档级 AMR 解析器，同时提供了一个将 AMR 解析器和共指消解系统相结合的管道方法，这为未来的研究提供了一个强大的基准。
abstraction meaning representationamrgraph representationcoreference resolutiondocument-level parsing
发现论文，激发创造
  • AMR 摘要生成中文档图构建方法分析

    本文提出一种新方法用于合并 Meaning Representation 图，并评估其效果，同时应用了人工注释数据集用于衡量不同 node 合并策略与内容筛选方法的性能，结果显示该新方法优于之前的工作。

    Nov, 2021

  • 神经 AMR: 序列到序列模型用于解析和生成

    使用数百万个未标记的句子和对 AMR 图的精心预处理，我们提出了一种新颖的训练过程，成功地解决了 AMR 中有限的标记数据和非顺序的图表征对序列到序列模型的限制。我们在 AMR 解析和生成任务上取得了竞争性结果，并得到了丰富的分析和证据表明序列基 AMR 模型对图表征的排序变化具有鲁棒性。

    Apr, 2017

  • 用潜在对齐将 AMR 解析作为图形预测

    本文介绍了一个使用变分自动编码框架和离散对齐的连续轻松方法的神经解析器，其将模型概念、关系和对齐作为联合概率模型的潜在变量用于抽象语义表示 (AMR) 的预测，相较于传统方法，该模型表现优异、更为准确和可行。

    May, 2018

  • 多文档摘要的抽象意义表示

    本文研究将多篇文档进行内容归纳的可行性，并提出了使用 Abstract Meaning Representation（AMR）作为形式化内容表示的方法，通过将源文档压缩为 AMR 标准的摘要图，再将摘要图转换为一组摘要句子的表层实现步骤。实验结果表明，该方法具有良好的潜力，并描述了进一步研究的机会和挑战。

    Jun, 2018

  • 基于图序列迭代推理的 AMR 解析

    本文提出了一种新的端到端模型，将 AMR 分析视为对输入序列和增量构建的图表的双重决策序列，并通过多个注意力，推理和组合过程来回答两个关键问题：输入序列的哪一部分需要抽象，以及在图表的哪个位置构建新的概念，实验结果表明，所提出的模型相较于之前的方法，在解决 AMR 分析的准确性方面取得了很大进步，无需任何大规模预训练语言模型（如 Bert），我们的模型就已经超过之前的最新技术水平。

    Apr, 2020

  • 抽象意义表示的增量分析器

    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

  • 使用抽象意义表示对多语言句子嵌入进行改进

    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

  • 用概率和结构意识算法改进 AMR 对齐的多样性、准确性和覆盖范围

    本文提出了一个利用无监督学习和启发式方法对抽象意义表示（AMR）图组件与英语句子跨度进行对齐的算法，避免了单独的句法分析，提高了节点和边缘的覆盖率和准确性，并发布了 LEAMR 数据集和对齐器供 AMR 解析、生成和评估研究使用。

    Jun, 2021

  • AMR 解析远未解决：GrAPES，AMR 解析评估套件

    我们提出了 Granular AMR Parsing Evaluation Suite (GrAPES)，这是一个用于 Abstract Meaning Representation (AMR) 解析的挑战集合，伴随着相应的评估指标。我们的评估套件测试了 AMR 解析器对实际、技术和语言学上感兴趣的一系列现象。

    Dec, 2023

  • 利用双语信息更好地进行跨语言 AMR 解析

    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