ACLApr, 2024

重新匹配：改善结构和语义相似度的本地知识图匹配的鲁棒且高效方法

PDF
TL;DR通过介绍一种新的 AMR 相似度度量方法 rematch 和一个新的结构相似性评估标准 RARE，本文解决了目前现有的 AMR 度量方法效率低和难以捕捉语义相似度的问题，并在 STB-B 和 SICK-R 基准测试中，rematch 在结构相似性排名和语义相似性上分别位列第二和第一，比其他现有方法更高效。
发现论文，激发创造
  • 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

  • SMARAGD: 合成的 sMatch 用于准确快速的 AMR 图距离

    本文提出了一种用于 Abstract Meaning Representation（AMR）的快速且准确的语义相似度计算方法 SMARAGD。使用机器翻译框架预测匹配或使用 Siamese CNN 直接预测 SMATCH 分数，同时在数据增强、AMR 图形匿名化方面进行了实验，成功地降低了误差。

    Mar, 2022

  • BAMBOO 中的 Weisfeiler-Leman：新型 AMR 图度量及 AMR 图相似性基准

    本文提出了新型的 Weisfeiler-Leman AMR 相似度度量方法，可以匹配上下文相关子结构，并在节点之间引入 n:m 对齐，同时提出了用于基于图形 MR 相似度测量的 BAMBOO 基准测试，并通过对之前的度量方法和本研究中的度量方法进行分析，结果表明我们提出的新型指标可能成为未来工作的强大基准线。

    Aug, 2021

  • 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

  • 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

  • 更好的 Smatch = 更好的解析器？AMR 评估不再那么简单

    本研究对两种 AMR 解析器进行了分析，将其与 Smatch 和其他 AMR 指标以及人类质量评估进行了比较，发现高 Smatch 分数不一定表示一致的解析质量，并且经常出现结构上小的、但语义上不可接受的错误，从而建议使用宏统计、其他指标和更多的人类分析来评估解析器的质量差异。

    Oct, 2022

  • 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

  • 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

  • SemBleu: AMR 解析评估的鲁棒度量

    我们提出了一种名为 SEMBLEU 的强健指标来评估 AMR 解析准确性，并解决了搜索错误问题，该指标在局部和非局部的对应方面都得到了考虑，在句子和语料库级别的初步实验表明，SEMBLEU 与人类判断具有更高的一致性。

    May, 2019