在神经语义解析的组合性上懒惰是一种美德
计算与语言
2023-05-09 v1 人工智能
摘要
几乎所有通用神经语义解析器都以严格自顶向下的自回归方式生成逻辑形式。尽管此类系统在多种数据集和领域取得令人印象深刻的成果，近期研究对其组合泛化能力是否最终受限提出质疑。本工作中，我们字面上从相反方向处理语义解析；即，我们引入一种神经语义解析生成方法，自底向上构建逻辑形式，从逻辑形式的叶节点开始。我们引入的系统是懒惰的，它逐步构建一组潜在语义解析，但在每步生成中仅扩展和处理最有希望的候选解析。这种节俭的扩展方案使系统能维持任意大的未实现解析假设集合，从而产生极小计算开销。我们在组合泛化上评估我们的方法；具体而言，在具挑战性的 CFQ 数据集和三个文本到 SQL 数据集上，我们展示这种新颖的自底向上语义解析技术优于通用语义解析器，同时也与为每个任务设计的同类神经解析器具有竞争力。
引用
@article{arxiv.2305.04346,
title = {Laziness Is a Virtue When It Comes to Compositionality in Neural Semantic Parsing},
author = {Maxwell Crouse and Pavan Kapanipathi and Subhajit Chaudhury and Tahira Naseem and Ramon Astudillo and Achille Fokoue and Tim Klinger},
journal= {arXiv preprint arXiv:2305.04346},
year = {2023}
}
备注
Accepted to ACL main conference