EMNLPOct, 2022

使用抽象意义表示对多语言句子嵌入进行改进

PDF
TL;DR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。
multilingual sentence embeddingsabstract meaning representationsemantic similaritytransfer tasksperformance improvement
发现论文，激发创造
  • 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

  • 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

  • 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

  • 利用上下文嵌入的基于转移的抽象含义表示解析

    该论文提出了一种名为 AmrBerger 的新的语义分析器，它探索了预训练上下文感知的单词嵌入在 AMR 分析中的可用性，并发现这些丰富的词汇特征与额外的概念信息的结合可以提高系统的性能。同时，通过分析，也展现了上下文嵌入的优点和局限，这为进一步深入理解提供了启示。

    Jun, 2022

  • 大规模多语言抽象意义表示：一份用于幻化检测的数据集和基准

    我们介绍了 MASSIVE-AMR 数据集，它是迄今最大且最多样化的 AMR 数据集，包含超过 84,000 个文本到图形的注释，映射到 50 多种具有不同语言类型的信息寻求话语，并使用大型语言模型进行多语言 AMR 和 SPARQL 分析的实验，以及在知识库问答上应用 AMR 进行虚构检测的结果，对使用 LLMs 进行结构化分析的持续问题提供了一些启示。

    May, 2024

  • 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

  • 西班牙语抽象意义表征：一般语料库的标注

    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

  • 使用抽象意义表示导向神经语言生成进行摘要生成

    本文提出了通过 Abstract Meaning Representation (AMR) 结合神经语言生成模型的抽象摘要方案，使用源文档进行指导可以提高抽象摘要的质量，并在 ROUGE-2 测试中表现优异。

    Aug, 2018

  • 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

  • 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