用于 AMR-to-Text 生成的隐树分解解析器
计算与语言
2021-09-03 v2
摘要
AMR-to-text 生成模型中的图编码器通常依赖于邻域卷积或全局顶点注意力。虽然这些方法适用于一般图，但 AMR 可能更适合针对其树状结构的编码器。通过将边聚为层次结构，树分解可概括图结构。我们的模型编码树分解的派生森林并提取期望树。从树节点嵌入出发，它构建图编码器中顶点注意力所用的图边特征。在自注意力基线上编码 TD 森林而非最短两两路径，使 BLEU 提升 0.7、chrF++ 提升 0.3。该森林编码器还在分子性质预测上以 1.92% ROC-AUC 超越卷积基线。
引用
@article{arxiv.2108.12304,
title = {Latent Tree Decomposition Parsers for AMR-to-Text Generation},
author = {Lisa Jin and Daniel Gildea},
journal= {arXiv preprint arXiv:2108.12304},
year = {2021}
}
备注
9 pages