关键词abstract meaning representations
搜索结果 - 5
- 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, - EMNLP使用抽象意义表示进行无监督句法控制的释义生成
本研究提出了一种基于 AMR 的修改短语生成模型 (AMRPG),该模型通过对抽象含义表示进行编码,从而在语法控制和短语生成质量方面显着提高了非监督学习方法的性能,并可用于数据增强以改善 NLP 模型的鲁棒性。
- ACL使用轻量级卷积神经网络进行 AMR 质量评分
本文中介绍了一种用卷积神经网络评估 Abstract Meaning Representations 语义句子表示质量的方法,实验表明该方法可以比强基线更准确地评估质量,在多个维度上表现出效率,并降低能源消耗。
- ACL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。
- 基于字符级别翻译的神经语义解析:对抽象意义表示的实验
我们使用字符级翻译的方法对一大语料库中注释有抽象意义表示的句子进行神经语义解析的评估。通过一些简单的预处理和后处理,我们使用序列到序列模型得到了一个基线准确率为 53.1。研究了五种不同的方法来改善这个基线结果,结合这五种技术的结果使获得了