用轻量 CNN 进行 AMR 质量评级
计算与语言
2020-12-17 v2 机器学习
摘要
诸如抽象意义表示（AMRs）之类的结构化语义句子表示在各种 NLP 任务中具有潜在用途。然而，自动解析的质量可能差异很大，危及其可用性。这可以通过在无昂贵金标数据情况下能准确评级 AMR 质量的模型来缓解，使我们能向下游系统告知所纳入解析的可信度或在不同的候选解析间进行选择。本工作中，我们提议将 AMR 图迁移至图像域。这使我们能创建一个简单的卷积神经网络（CNN）来模仿负责评级图质量的人类评判者。我们的实验表明，该方法在多个质量维度上比强基线更准确地评级质量。此外，该方法被证明是高效的，并降低了所产生的能耗。
引用
@article{arxiv.2005.12187,
title = {AMR Quality Rating with a Lightweight CNN},
author = {Juri Opitz},
journal= {arXiv preprint arXiv:2005.12187},
year = {2020}
}
备注
AACL-IJCNLP 2020