一种用于 AMR 到文本生成的图到序列模型
计算与语言
2018-08-29 v3
摘要
AMR 到文本生成的问题在于恢复一个表示与输入 AMR 图相同含义的文本。当前最优方法使用序列到序列模型，利用 LSTM 编码线性化的 AMR 结构。尽管能够建模非局部语义信息，序列 LSTM 可能丢失来自 AMR 图结构的信息，因而在面对大图导致长序列时面临挑战。我们引入一种神经图到序列模型，使用一种新颖的 LSTM 结构直接编码图级语义。在一个标准基准上，我们的模型展现出优于文献中现有方法的性能。
引用
@article{arxiv.1805.02473,
title = {A Graph-to-Sequence Model for AMR-to-Text Generation},
author = {Linfeng Song and Yue Zhang and Zhiguo Wang and Daniel Gildea},
journal= {arXiv preprint arXiv:1805.02473},
year = {2018}
}
备注
ACL 2018 camera-ready, Proceedings of ACL 2018 with updated performance