面向零样本可执行语义解析的接地自适应方法
计算与语言
2021-02-03 v3 人工智能
数据库
机器学习
摘要
我们提出面向零样本可执行语义解析的接地自适应方法(GAZP),用于将现有语义解析器适配到新环境(例如新数据库模式)。GAZP将前向语义解析器与后向话语生成器结合,在新环境中合成数据(例如话语和SQL查询),然后选择循环一致的示例来适配解析器。与通常在训练环境中合成未经验证示例的数据增强不同,GAZP合成的新环境中的示例其输入输出一致性已得到验证。在Spider、Sparc和CoSQL零样本语义解析任务上,GAZP提升了基线解析器的逻辑形式和执行准确率。我们的分析表明,GAZP优于训练环境中的数据增强,性能随GAZP合成数据量的增加而提升,且循环一致性是成功适配的关键。
引用
@article{arxiv.2009.07396,
title = {Grounded Adaptation for Zero-shot Executable Semantic Parsing},
author = {Victor Zhong and Mike Lewis and Sida I. Wang and Luke Zettlemoyer},
journal= {arXiv preprint arXiv:2009.07396},
year = {2021}
}
备注
EMNLP 2020 long paper. 14 pages, 5 figures