Oct, 2022

视觉语义分析：从图像到抽象意义表征

PDF
TL;DR本文提出了使用自然语言处理（NLP）中广泛使用的抽象意义表述（AMR）来建立更具有语言信息的图片抽象表述（称为视觉 AMR 图），并通过重复试验和分析表明，我们可以重用现有的文本到 AMR 分析器来分析图像到 AMRs 的转换。
scene graphsvisual scene understandingabstract meaning representationnatural language processingvisual amr graphs
发现论文，激发创造
  • 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

  • 鲁棒子图生成改进抽象意义表示解析

    本文提出了一种新方法，通过文本段的转换来生成 AMR 子图，从而提高 AMR 的 parsing 效果，进而提高自然语言处理和机器翻译等领域的性能表现。

    Jun, 2015

  • 基于语义表示的抽象摘要生成

    本文提出了一种新颖的抽象摘要框架，利用意义表示（AMR）的树库进行研究。在该框架中，源文本被解析为一组 AMR 图，该图被转换为摘要图，然后从摘要图生成文本。我们专注于图形到图形的转换，该转换将源语义图减少为摘要图，并利用现有的 AMR 解析器并假设最终可用 AMR-to-text 生成器。该框架具有数据驱动、可训练性和不特定于特定领域的特点。在金标准 AMR 注释和系统解析上进行的实验显示出有希望的结果。

    May, 2018

  • 利用抽象意义表示改进医疗对话生成

    通过使用抽象意义表示（AMR）图构建对话中的语言要素和医学实体的图形表示，我们提出了一种模型病人和医疗专业人员之间对话的新框架，其中神经网络结合了文本和图形知识，采用双重注意机制，在医学对话生成方面的实验结果表明，我们的框架优于强基线模型，证明了 AMR 图在增强医学知识和逻辑关系的表示方面的有效性

    Sep, 2023

  • 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

  • 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

  • 使用学习搜索技术的抽象意义表示解析器

    本文介绍了一种使用 SEARN 方法（一种基于学习的搜索方法），将英语句子解析成抽象的意义表示（AMR）的新技术，通过在统一框架中建立概念和关系学习。我们使用多个不同领域的数据集评估了我们的解析器，并显示其相对于最先进技术的绝对改进量在 2％到 6％之间。此外，我们还展示了最频繁的概念的使用给我们提供了比最先进技术更强的概念预测基线。我们计划为公众提供我们的解析器。

    Oct, 2015

  • 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

  • 利用抽象意义表示的文本摘要

    研究了基于 Abstract Meaning Representation（AMR）的文本自动摘要方法，进行了全面的文本摘要流程探索，提出了一种 AMR 图的生成和基于此图的文本摘要生成方法，在 AMR 文本摘要任务上取得了最先进的结果，并指出了现有的文本摘要质量评估方法存在的问题。

    Jun, 2017

  • 带有类型语义代数的 AMR 依存解析

    我们提出了一种语义解析器，可以将字符串解析为 AMR 图的组成结构的树形表示，利用语言学原则约束标准神经技术进行超标记和依存树解析。我们提出了两种近似解码算法，实现了最先进的准确度并优于强基线。

    May, 2018