EAT：一种用于多用途自然语言处理的简单通用语义表示格式

语义表示在许多需要人类可解释数据的NLP任务中处于核心地位。联结主义框架——主要由Pietroski（2005, 2018）发展——仅用少数基本语义类型和与句法位置系统关联的关系就获得了具表达力的表示。尽管表示的简洁性对计算应用至关重要，此类发现尚未对NLP产生重大影响。我们提出了首个直接基于这些见解的通用NLP语义表示格式。我们将其命名为EAT，因其基于新戴维森逻辑形式中的事件（Event）、施事（Agent）和主事（Theme）论元。它建立在如下观点上：类似的三元论元关系在各词类中普遍存在，并且可无需额外词汇信息而从语法结构构建。我们详细阐述了EAT及其与先前工作中使用的其他流行格式（如抽象意义表示（AMR）和最小递归语义（MRS））的关系。EAT在两方面突出：简洁性和通用性。独特地，EAT舍弃语义元谓词，转而完全通过位置编码表示语义角色。这是通过将角色数量限制为仅三个而成为可能；较AMR和MRS中公认的数十个角色大幅减少。EAT的简洁性使其应用中异常通用。首先，我们表明基于EAT大幅减少语义角色有益于Hajdik等人（2019）测试设置下从MRS的文本生成。其次，我们实现了从句法分析树导出EAT，并将其用于语法类之间的平行语料库生成。第三，我们训练了一个编码器-解码器LSTM网络将EAT映射到英语。最后，我们使用编码器-解码器网络和基于规则的替代方案从EAT输入进行语法变换。