融合目标端句法的AMR-to-Text生成

摘要：

抽象语义表示到文本(AMR-to-Text)生成的任务是给定AMR图,生成相同语义表示的文本.可以把此任务当作一个从源端AMR图到目标端句子的机器翻译任务.目前存在的一些方法都在探索如何更好地对图结构进行建模.然而,它们都存在一个未限定的问题,因为在生成阶段许多句法的决策并不受语义图的约束,从而忽略了句子内部潜藏的句法信息.为了明确考虑这一不足,该文提出一种直接而有效的方法,显式地在AMR-to-Text生成的任务中融入句法信息,并在Transformer和目前该任务最优性能的模型上进行了实验.实验结果表明,在现存的两份标准英文数据集LDC2015E86和LDC2017T10上,该方法取得了显著的性能提升.

关键词：AMR-to-Text生成、句法决策、语义约束、融入句法信息

所属期刊栏目：36

分类号：TP391;TP183;H085

资助基金：国家自然科学基金61876120

在线出版日期：2022-05-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：31-38