该研究提出了一种新颖的跨文档抽象意义表示（X-AMR）注释工具，用于注释关键的语料库级事件语义。借助 Prodigy 注释工具提供的机器辅助，我们提高了用户体验，确保了注释过程的简便与高效。通过实证分析，我们展示了本工具在增强现有事件语料库方面的有效性，并强调了其与 GPT-4 集成的优势。

Feb, 2024

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

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

本文介绍使用基于语料库的方法从抽象意义表示（AMR）转换为通用概念认知注释（UCCA）的图重写系统，并对其进行评估和讨论。

Jul, 2022

本文提出了一种基于注释映射的方法，通过利用一个源语言和一个源语言以及目标语言的平行语料库中的注释，针对英语作为源语言的情况，在意大利语、西班牙语、德语和中文等目标语言上训练分析器。此外，提出了一种利用英语金标注释的评估方法，这种方法不需要访问目标语言的金标注释，这是通过反转投影流程实现的。

Apr, 2017

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

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

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

本文探讨了训练模型可用于提高 AMR 解析性能的不同方式，包括生成合成文本和 AMR 注释以及动作预测的改进。我们证明了这些技术在没有额外的人工注释的情况下提高了一个已经高性能的解析器，并在 AMR 1.0 和 AMR 2.0 上取得了最先进的结果。

Oct, 2020

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