使用抽象意义表示法测量细粒度语义等效性

Oct, 2022

使用抽象意义表示法测量细粒度语义等效性

Measuring Fine-Grained Semantic Equivalence with Abstract Meaning Representation

Shira Wein, Zhuxin Wang, Nathan Schneider

TL;DR本篇研究提出了一种新方法用于识别句子间的语义等效性，该方法基于抽象意义表示图结构，并展示了这种方法在语义相似度方面的精度更高，认为这有助于减轻人类对机器翻译的后期编辑和对句子相似度的人工评估的负担。

Abstract

Identifying semantically equivalent sentences is important for many cross-lingual and mono-lingual NLP tasks. Current approaches to semantic equivalence take a loose, sentence-level approach to "equivalence," despite previous evidence that fine-grained differences and implicit content have an effect on human understanding (Roth and Anthonio, 2021) and system

semantic equivalence abstract meaning representation corpus filtering machine translation sentence similarity

发现论文，激发创造

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

基于字符级别翻译的神经语义解析：对抽象意义表示的实验

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

DocAMR: 多句 AMR 表示和评估

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。

Dec, 2021

基于原则的 AMR 相似度评估

本文提出了一种新的度量标准 S$^2$match，它可以比较 Abstract Meaning Representation (AMR) graphs 并评估 triple matches，与具有类似功能的 Smatch 和 SemBleu 比较后，S$^2$match 具有更好的性能，能够更好地控制偏差。

Jan, 2020

基于语义相似度评分的面向意义的自然语言生成测度评估动态、解释性清单

本研究旨在支持对生成文本的质量评估，并针对属性更相关性的 NLG 评估指标进行比较评估，提出了一种 AMR-based CheckList 方法，用于意义相关的语言现象，设计了 GraCo 评估指标，使用 AMR 计算词汇凝聚图，表明其作为一种有趣的 NLG 评估指标值得未来的研究探讨。

May, 2022

对话建模的语义表示

我们使用抽象意义表示（AMR）来协助神经对话建模，将 AMR 图形构建到对话系统中会更显著地提高对话理解和响应生成任务的效果。

May, 2021

使用抽象意义表示法进行翻译简化

本文探讨使用抽象意义表示（AMR）作为一种过渡语言，以降低机器翻译中的翻译语现象。结果表明，使用 AMR 可以降低翻译语的影响，与其他两种方法相比，其表现更佳。

Apr, 2023

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

基于语义的神经机器翻译：使用 AMR

研究表明，通过在神经机器翻译中使用抽象意义表示（AMR）作为额外知识，可以显著改善一种强的基于注意力的序列到序列神经翻译模型在标准英德数据集上的翻译表现。

Feb, 2019

评估 Scoped Meaning Representations

本文介绍了针对英语，德语，意大利语和荷兰语的语义注释平行语料库，旨在捕获否定，情态动词，量化和假设触发器的语义。将平行语料中句子与范围内的义结构对齐，可以将概念表示为 WordNet 同义词集，并通过 VerbNet 关系表示语义角色。通过将范围内的意义表示翻译为一组从句，可以比较它们以进行语义解析器的评估和翻译检查。我们证明了用于评估范围内的含义表示的匹配工具既准确又高效。将此匹配工具应用于三个基线语义解析器，得到的 F 得分介于 43％至 54％之间。通过比较翻译的意义表示来自动查找意义变化的尝试研究表明，这种比较是发现注释错误和需要改进语义分析的实例的另一种方法。

Feb, 2018