解决神经AMR解析中的数据稀疏问题
计算与语言
2017-02-17 v1
摘要
神经注意力模型在不同的NLP任务中取得了巨大成功。然而，由于数据稀疏问题，它们在AMR解析任务上尚未兑现其潜力。在本文中，我们描述了一种用于AMR解析的序列到序列模型，并提出了应对数据稀疏问题的不同方法。我们表明，我们的方法相对于基线神经注意力模型取得了显著改进，并且我们的结果也与不使用额外语言资源的最先进的(state-of-the-art)系统具有竞争力。
引用
@article{arxiv.1702.05053,
title = {Addressing the Data Sparsity Issue in Neural AMR Parsing},
author = {Xiaochang Peng and Chuan Wang and Daniel Gildea and Nianwen Xue},
journal= {arXiv preprint arXiv:1702.05053},
year = {2017}
}
备注
Accepted by EACL-17