遷移ベースAMRパージングのためのアラインメントと使用【JST・京大機械翻訳】

Drozdov Andrew; Zhou Jiawei; Florian Radu; McCallum Andrew; Naseem Tahira; Kim Yoon; Astudillo Ramon Fernandez

プレプリント

J-GLOBAL ID：202202214939904675 整理番号：22P0342653

遷移ベースAMRパージングのためのアラインメントと使用【JST・京大機械翻訳】

Inducing and Using Alignments for Transition-based AMR Parsing

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (7件)： , , , , , ,
資料名：
発行年： 2022年05月03日プレプリントサーバーでの情報更新日： 2022年05月03日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

抽象平均表現(AMR)のための遷移ベースの構文者は,ノード対単語アラインメントに依存する。これらのアラインメントはパーザ訓練から別々に学習され,ルールベースコンポーネントの複雑なパイプライン,前処理,およびドメイン固有の制約を満たす後処理を必要とする。パルサーはまた,アラインメントパイプラインの点推定を訓練し,アラインメントの固有曖昧さによる不確実性を無視した。本研究では,これらの限界を克服するための2つの手段を検討した。最初に,著者らは,複雑なパイプラインに頼らず,ノード対単語アラインメントを学習するAMRのための神経整列器を提案した。続いて,整列器の不確実性から生じるオラクル動作シーケンスの分配を考慮することにより,整列器とパーザ訓練のより緊密な統合を検討した。経験的結果は,このアプローチがAMR2.0からAMR3.0コーパスへのより正確なアラインメントと一般化に導くことを示した。著者らは,AMR3.0に関するビーム探索を必要とせずに,銀訓練性能をマッチングする,金のみの訓練されたモデルのための新しい最先端技術を達成した。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

分子・遺伝情報処理

, ,

前のページに戻る