结合检索与元学习处理上下文依赖的语义解析
计算与语言
2019-06-18 v1
摘要
在本文中，我们提出了一种方法，将检索到的数据点作为上下文依赖语义解析的支撑证据，例如以类环境为条件生成源代码。我们的方法自然地将检索模型与元学习器相结合：前者从训练数据中学习寻找相似数据点，后者将检索到的数据点视为伪任务以实现快速适应。具体而言，我们的检索器是一个带有潜变量的上下文感知编码器-解码器模型，其考虑了上下文环境；而我们的元学习器在模型无关元学习范式下学习利用检索到的数据点进行快速适应。我们在 CONCODE 和 CSQA 数据集上进行了实验，其中上下文分别指 JAVA 代码中的类环境和对话历史。我们使用序列到动作模型作为基础语义解析器，该解析器在两个数据集上均达到了最先进的准确率。结果表明，上下文感知检索器和元学习策略均提升了准确率，且我们的方法优于检索并编辑基线。
引用
@article{arxiv.1906.07108,
title = {Coupling Retrieval and Meta-Learning for Context-Dependent Semantic Parsing},
author = {Daya Guo and Duyu Tang and Nan Duan and Ming Zhou and Jian Yin},
journal= {arXiv preprint arXiv:1906.07108},
year = {2019}
}
备注
Accepted by ACL 2019