ATP:AMR化  擬似AMRによるAMR構文解析の強化【JST・京大機械翻訳】

Chen Liang; Wang Peiyi; Xu Runxin; Liu Tianyu; Sui Zhifang; Chang Baobao

プレプリント

J-GLOBAL ID：202202221333011299 整理番号：22P0334163

ATP:AMR化擬似AMRによるAMR構文解析の強化【JST・京大機械翻訳】

ATP: AMRize Then Parse! Enhancing AMR Parsing with PseudoAMRs

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 (6件)： , , , , ,
資料名：
発行年： 2022年04月19日プレプリントサーバーでの情報更新日： 2022年04月20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)は,暗黙的に複合意味注釈を含むので,意味的または形式的に関連する補助タスクは,AMR構文をよりよく強化できると仮定した。1)意味的役割ラベリング(SRL)と依存性構文解析(DP)は,他のタスク(例えばMTとテキストからAMRへの移行における要約)より多くの性能利得を,はるかに少ないデータでももたらすことを見出した。2)AMRに対してより良い適合を行うため,補助作業からのデータは訓練前に擬似AMRに適切に「AMR化」されるべきである。浅いレベル構文解析タスクからの知識は,構造変換によってAMRパルシングにより良く移すことができる。3)中間タスク学習は,マルチタスク学習と比較して,AMR構文解析に補助タスクを導入するためのより良いパラダイムである。経験的展望から,AMR構文をブーストするための補助タスクを含む原理的方法を提案した。大規模な実験は,著者らの方法が,特にトポロジー関連スコアにおいて,種々のベンチマークに関して新しい最先端の性能を達成することを示した。【JST・京大機械翻訳】

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

人工知能 , 自然語処理

, , ,

前のページに戻る

ATP:AMR化 擬似AMRによるAMR構文解析の強化【JST・京大機械翻訳】

ATP:AMR化擬似AMRによるAMR構文解析の強化【JST・京大機械翻訳】