COLINGJun, 2024

MACT: 跨语言模型无关的话语结构解析训练

PDF
TL;DR通过引入跨语言训练策略，深入分析和改进基于 Discourse Representation Structure（DRS）的语义表示分析模型，在英语、德语、意大利语和荷兰语的标准基准测试中取得了最先进的结果，并为未来的 DRS 分析研究提供了深入的见解。
discourse representation structuresemantic representation parsingcross-lingual training strategydrs clause and graph parsingstate-of-the-art results
发现论文，激发创造
  • 多语言解析与生成的预训练语义模型

    本文介绍了基于话语表示结构的多语言预训练语言含义模型，在预训练阶段包括语义表示，并采用交叉语言迁移学习，以进一步提高非英语任务的性能。实验结果显示，该方法在多语言 DRS 解析和 DRS 到文本生成任务上实现了最佳性能。

    May, 2023

  • 探索用于解析话语表示结构的神经方法

    提出了一种基于 Neural 的序列到序列的语义解析器，它能够高准确率地产生英语句子的 DRSs，并通过引入 De Bruijn 索引消除变量名以提高解析器性能，以及加入银标注数据来进一步提高性能。

    Oct, 2018

  • 关于语篇表征结构分析的第一次共享任务

    该论文介绍了 2019 IWCS 分享任务的语义分析，目的是为英语句子生成话语表示结构（DRSs）。

    May, 2020

  • 多语言神经 RST 话语分析

    研究了通过利用多语言向量表示和采用源内容的分段级别翻译建立神经交叉语言篇章分析器的两种方法，并表明这两种方法即使在有限的训练数据下也有效，并且在所有子任务上实现了跨语言、文档级的篇章分析性能。

    Dec, 2020

  • 具有结构感知编码和解码的 DRTS 语法解析

    本文提出了一种结构感知模型，利用图注意力网络在编码器和解码器阶段整合结构信息，从而改进 Discourse Representation Tree Structure（DRTS）解析任务，实验证明该模型在该领域取得了最佳性能。

    May, 2020

  • 学习跨语言分布式逻辑表示以进行语义解析

    本文探讨了如何通过在不同语言中打标注的数据来学习语义解析器的分布式逻辑形式表示，以提高特定语言下单语义解析器的性能，并在标准的多语言 GeoQuery 数据集上得到了改进的结果。

    Jun, 2018

  • 跨语言 RST 篇章分析

    本文针对英语 RST 话语树库，提出了跨语言话语分析方法，并在西班牙语、德语、巴斯克语、荷兰语和巴西葡萄牙语中实验。该方法简单易行且有效，可以帮助更好地理解文件中的信息流和论证结构。

    Jan, 2017

  • DMRST：面向文档级多语言 RST 篇章分割和解析的联合框架

    本文提出一个基于文档级别的多语言 RST 话语分析框架，该框架将 EDU 分割和话语树解析结合在一起，并且引入了跨语言翻译增强策略，以支持多语言解析并改善其领域通用性，实验结果表明，该模型在所有子任务中实现了文档级别多语言 RST 解析的最新性能。

    Oct, 2021

  • 鲁棒的增量神经语义图解析

    该研究提出了一个基于神经编码器 - 解码器的转移句法分析器，可以作为关于最小递归语义的完全覆盖的语义图分析器，预测图与非词汇化谓词及其标记对齐共同。该分析器比注意力模型基准更准确，并且在 GPU 批处理方面比高精度基于语法的分析器快一个数量级。此外，我们的最小递归语义分析器的 86.69％ Smatch 得分高于 AMR 分析的上限，这使得 MRS 成为有吸引力的语义表示选择。

    Apr, 2017

  • XSemPLR: 跨语义语言分析和意义表示

    XSemPLR 是一个统一的基准系统，用于跨越 22 种自然语言和 8 种意义形式的跨语言语义分析研究，使用多种变量和模型进行评估，其中编码器 - 解码器模型（如 mT5）显示出最高性能。

    Jun, 2023