GraphQ IR：用统一中间表示实现图查询语言的语义解析统一
计算与语言
2022-11-08 v2 数据库
摘要
受制于自然语言与形式语言之间的巨大语义鸿沟，神经语义解析通常受限于同时处理输入语义与输出语法的复杂性。近期工作提出了若干补充监督形式，但均未能跨多种形式语言泛化。本文提出一种用于图查询语言的统一中间表示（IR），称为GraphQ IR。它具有类自然语言的表达以弥合语义鸿沟，并具有形式化定义的语法以维持图结构。因此，神经语义解析器可更精确地将用户查询转换为GraphQ IR，随后可无损编译为各种下游图查询语言。在KQA Pro、Overnight、GrailQA和MetaQA-Cypher等若干基准上，于标准独立同分布、分布外和低资源设定下进行的广泛实验验证了GraphQ IR相对于先前最优方法的优越性，最高准确率提升达11%。
引用
@article{arxiv.2205.12078,
title = {GraphQ IR: Unifying the Semantic Parsing of Graph Query Languages with One Intermediate Representation},
author = {Lunyiu Nie and Shulin Cao and Jiaxin Shi and Jiuding Sun and Qi Tian and Lei Hou and Juanzi Li and Jidong Zhai},
journal= {arXiv preprint arXiv:2205.12078},
year = {2022}
}
备注
EMNLP 2022 Main Conference Long Paper